Documentos de Académico
Documentos de Profesional
Documentos de Cultura
PFC Eduardo Laorden Fiter B PDF
PFC Eduardo Laorden Fiter B PDF
Tcnica de Telecomunicacin
Universidad Politcnica de Madrid
Sin embargo, pese a que MATLAB cuenta con un buen apartado de ayuda tanto online como
dentro del propio programa principal, la bibliografa disponible en castellano es muy limitada
y en el caso particular de la toolbox de procesado digital de imgenes es prcticamente nula y
altamente especializada, lo que requiere que los usuarios tengan una slida formacin en
matemticas y en procesado digital de imgenes.
However, despite the fact that MATLAB has a good help section both online and within the
main program, the available bibliography is very limited in Castilian and is negligible and
highly specialized in the particular case of the image processing toolbox, being necessary a
strong background in mathematics and digital image processing.
Starting from an analysis of all the available functions and possibilities in the program tool,
the document will classify, summarize and explain each function at user level, defining all
input and output variables possible, describing common tasks in which each feature is used,
comparing results and providing illustrative examples to help understand its use and
application. In addition, the reader will be introduced in the general use of Matlab explaining
the essential operations within the program and clarifying the most advanced concepts of the
toolbox so that an extensive prior formation will not be necessary. Thus, any student or
teacher who wants to start digital image processing with Matlab will have a document that
will serve to check and understand the operation of any function of the toolbox and also to
implement the most recurrent operations in digital image processing.
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
1. Captulo 1
Introduccin y objetivos
1.1. Introduccin
La historia del procesado digital de imgenes est muy ligada al desarrollo de los
computadores. Las imgenes digitales requieren tal cantidad de almacenamiento y potencia
computacional que es necesario el uso de mquinas y tecnologas capaces de manejarlas.
En los aos 60 y 70, en paralelo al desarrollo de las aplicaciones espaciales, las tcnicas de
procesado digital de imgenes comenzaron tambin su desarrollo en diferentes campos
como el de la medicina, biologa, geologa o astronoma. Actualmente, y gracias a los
grandes avances tecnolgicos de los ltimos aos, el procesado digital de imgenes se ha
convertido en una tarea rutinaria esencial para la resolucin de problemas en numerosas
aplicaciones y dispositivos, y se ha acercado tanto al usuario que para obtener soluciones
ptimas solo necesita entender el problema y saber aplicar las herramientas disponibles en
el marcado. Superada la barrera tecnolgica, la dificultad reside ahora en encontrar la
documentacin que permita a los usuarios poco experimentados entender el
funcionamiento de los programas y tcnicas involucradas en el procesado digital de
imgenes.
Pgina 1 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
1.2. Objetivos
Pgina 2 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
2. Captulo 2
Pgina 3 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
Pgina 4 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
mejorar la calidad de una imagen para poder apreciar mejor determinados detalles. La
visin por computador o visin artificial es un subcampo de la inteligencia artificial cuyo
propsito es programar un computador para que "entienda" una escena o las caractersticas
de una imagen, emulando la visin humana. [2]
2.2.2. Orgenes
Pgina 5 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
NASA, cuando se procesaron las imgenes de la Luna enviadas por el satlite Ranger 7
para corregir distorsiones propias de la cmara.
Actualmente existe una inmensa gama de reas donde el PDI se utiliza de manera
habitual. Un criterio de clasificacin habitual para diferenciar cada una de las reas
implicadas es el de la fuente de las imgenes. La principal fuente de energa de las
imgenes es el espectro electromagntico (EM), especialmente la banda de rayos X y la del
espectro visible. Otras fuentes son la acstica, la ultrasnica, y la electrnica.
Pgina 6 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
Empezando por los rayos Gamma, existen aplicaciones que procesan esas fuentes
de imagen en medicina nuclear, como en la Tomografa por Emisin de Positrones (PET)
donde se le inyecta al paciente un istopo radioactivo que emite rayos gamma que
posteriormente son capturados, y en las observaciones astronmicas para detectar la
radiacin natural de rayos gamma de los astros. La siguiente banda, la de los rayos X, tiene
sus principales aplicaciones en medicina (radiografa, angiografa, Tomografa Axial
Computarizada (TAC), etc.), pero tambin en astronoma e industria, como en el control de
calidad de placas de circuito impreso o de alimentos.
Pgina 7 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
Respecto a las imgenes captadas en la banda visible e infrarroja, estas son por
mucho las aplicaciones ms numerosas. La banda infrarroja se utiliza habitualmente en
conjunto con la banda de espectro visible, por ejemplo en microscopa, astronoma,
deteccin remota (con varias bandas que detectan diferentes detalles del terreno cada una),
controles de calidad en la industria y en las aplicaciones de identificacin de la polica.
Pgina 8 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
Otras formas de obtener imgenes, en este caso imgenes acsticas, es a travs del
sonido. Se aplica en exploracin geolgica (petrleo y minerales), en la industria y en
medicina. El ejemplo ms notorio es el ultrasonido, con el que se puede realizar un
seguimiento al embarazo, o captar imgenes de partes del cuerpo como la tiroides o las
capas musculares.
Figura i.6 - Deteccin de emisiones de gases en el fondo del Golfo de Mjico con sonar.
Crditos: Universidad de New Hampshire Center.
Pgina 9 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
Estas clases suelen aparecer en algn momento del procesado de la imagen aunque
no siempre deben hacerlo y depender del objetivo y del problema especfico en cada caso.
Pgina 10 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
Para poder utilizar cualquiera de las diferentes toolboxes especializadas de las que
dispone MATLAB es necesario tener un conocimiento mnimo del programa y de sus
funciones ms bsicas, comunes a todas las herramientas. El objetivo de este trabajo no es
el de ahondar en la utilizacin del programa principal, ya que existe suficiente bibliografa
como para que el usuario pueda adquirir los fundamentos del programa sin demasiada
dificultad. Adems, muchas de las funciones y capacidades del programa principal no son
necesarias para poder iniciarse en el procesado digital de imgenes con MATLAB, as que
nos estaramos extralimitando en nuestro contenido. Por tanto, a continuacin
introduciremos solamente las funciones y operaciones generales de MATLAB que resulten
fundamentales para iniciarse en la lectura de este trabajo y en el procesado digital de
imgenes con MATLAB.
Pgina 11 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
Ventanas: Son de diversos tipos. Las ventanas que forman el ncleo (kernel) del
programa se organizan en el escritorio (desktop), pero en una sesin tpica se abren
y cierran gran nmero de ventanas secundarias correspondientes a figuras, editores
de ficheros o de variables. Existen adems ventanas especficas correspondientes a
la ayuda y a las demostraciones (helps y demos). En el procesado digital de
imgenes aparecern sobre todo ventanas con las imgenes que van siendo tratadas
a lo largo de los programas.
Variables: Son objetos temporales (al cerrar MATLAB se borran) que durante la
sesin en curso se almacenan en el espacio de trabajo (workspace).
Ficheros: Son objetos permanentes (al cerrar MATLAB no se borran). Destacan
los ficheros tipo M (.m), especficos de MATLAB, que guardan funciones o
simplemente cdigo ejecutable directamente en el programa.
Pgina 12 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
Algunos comandos tiles para el manejo del escritorio de MATLAB y sus ventanas
son los siguientes:
clc
Borrar la ventana de comandos (todos los comandos escritos).
close [all] [all hidden]
Cerrar todas las ventanas abiertas de figuras, aplicaciones, etc.
exit, quit
Salir de MATLAB. Pulsar CTRL+C para detener algn clculo, grfico o
impresin sin salir del programa.
diary [on/off]
Grabar una sesin en un fichero de texto.
hold [on/off]
Retener la grfica de la ventana actual y que los siguientes comandos se apliquen
sobre ella.
ver
Mostrar la versin de MATLAB y de las toolboxes instaladas.
help nombre_comando
Obtener ayuda sobre cualquier comando.
Pgina 13 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
Durante una sesin, las variables creadas por los comandos se guardan en el espacio
de trabajo, donde pueden ser modificadas y/o utilizadas en otros comandos. Para ver el
contenido de una variable basta con teclear su nombre en la ventana de comandos o ir a la
ventana Workspace para hacer doble clic en el nombre de la variable y abrir el editor de
variables.
Pgina 14 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
what
Ver qu ficheros se encuentran en el directorio actual.
lookfor
Buscar funciones o comandos relacionados con la palabra especificada.
size
Leer el tamao de una matriz en filas y columnas.
ndims
Leer las dimensiones de una matriz (un vector tiene 2 al ser una matriz de 1 x 1).
whos
Mostrar informacin adicional de una o todas las variables actuales.
length
Leer la longitud de un vector, equivalente a max(size(X)).
MATLAB no copia el contenido de una variable en otra salvo que la nueva variable
vaya a ser modificada. Por ejemplo, al escribir B=A no se estar copiando el contenido de A
en B hasta que el contenido de B cambie posteriormente en el programa.
por ejemplo:
A = [ 1 2 3; 4 5 6; 7 8 9 ]
Pgina 15 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
A =
1 2 3
4 5 6
7 8 9
A = [1 2 3
4 5 6
7 8 9]
Las matrices pueden estar formadas por un solo elemento (escalar), por una fila o
una columna (vector, una dimensin) o por una serie de filas y columnas (matriz, array de
dos dimensiones). Al hablar de arrays en trminos generales se hace referencia a cualquier
conjunto de nmeros del mismo tipo, definido entre corchetes, cuyos elementos pueden ser
indexados a travs de enteros, lo que incluye a las matrices y los vectores. Se habla de
matriz dispersa cuando es una matriz de gran tamao en la que la mayor parte de sus
elementos son cero. Por ejemplo:
A = 1
define a A como un escalar de valor 1.
A = [1 2 3]
define a A como un vector o array fila de tres elementos: A(1)=1, A(2)=2 y A(3)=3.
A=[1, 2, 3; 4, 5, 6]
define a A como una matriz o array de dos dimensiones.
Los arrays de celdas son arrays multidimensionales cuyos elementos son copias de
otros arrays y que se suelen utilizar al manejar nmeros y caracteres a la vez. Por ejemplo,
el array de celdas c = {'gauss', [1 0; 0 1], 3} contiene 3 elementos: una cadena de
caracteres, una matriz de 2-por-2 y un escalar, a los que se puede acceder individualmente
mediante c{1}, c{2} o c{3} respectivamente. Importante es que estos arrays trabajan con
copias de las matrices que reciben como entrada, no con punteros a dichas matrices.
Las estructuras son otro tipo de variable similar a los arrays de celdas en el sentido
de que permiten agrupar una coleccin de datos distintos en una nica variable, pero en
este caso se accede a los campos mediante el nombre del campo seguido del nombre de la
Pgina 16 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
j:k
es igual que [j,j+1,...,k]
j:i:k
es igual que [j,j+i,j+2i, ...,k]
A(:,j)
es la columna nmero j de A (de todas sus filas)
A(:,j:k)
es A(:,j), A(:,j+1),...,A(:,k)
A(1,1)
si queremos el elemento (1,1) de la matriz.
A(1:2,3)
si queremos las dos primeras filas de la tercera columna escribiremos
A(3,:)
si queremos todos los elementos (todas las columnas) de la tercera fila escribiremos
B=A(1:2,2:3)
B=A([1,2],[2 3])
si queremos crear la submatriz B formada por las filas 1 a 2 y las columnas 2 a 3 de
la matriz A.
Respecto a las operaciones matemticas bsicas con matrices y vectores, los signos
que se utilizan son: + para sumar, - para restar, * para multiplicar, para trasponer y
seguido del nmero al que se pretende elevar la matriz para potenciar. Poner un punto
antes de un operador indica que la operacin debe realizarse componente a componente.
Por ejemplo, A*B es el producto matricial entre las matrices A y B. Si se teclea C=A.*B
(siendo A y B matrices de igual dimensin), el resultado es una matriz C cuyas
componentes cij corresponden a cij=aijbij.
Pgina 17 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
zeros(N), zeros(M,N)
Matriz de ceros de N-por-N o M-por-N de clase double.
y=zeros(size(A))
Matriz de ceros del tamao de A.
ones(N), ones(M,N)
Matriz de unos de N-por-N o M-por-N de clase double.
true(N), true(M,N)
Matriz de unos de N-por-N o M-por-N de clase logical.
false(N), false(M,N)
Matriz de ceros de N-por-N o M-por-N de clase logical.
magic(M)
Cuadrado mgico de M-por-M. Es un array cuadrado en donde la suma a lo largo
de una fila, columna o diagonal principal, es la misma. Es un array muy utilizado
para probar resultados.
rand(N), rand(M, N)
Matriz de N-por-N o M-por-N con sus valores distribuidos uniformemente con
nmeros aleatorios en el intervalo [0, 1].
randn(N), randn(M,N)
Matriz de N-por-N o M-por-N con sus valores distribuidos uniformemente con
nmeros de media 1 y varianza 0.
Como ya hemos comentado anteriormente, podemos definir una imagen como una
funcin bidimensional de intensidad de luz f(x, y), donde x e y denotan las coordenadas
espaciales y el valor de f en cualquier punto (x, y) es proporcional a la intensidad de la
imagen en ese punto. En caso de que la imagen sea en escala de grises se habla de nivel de
gris. Las imgenes en color son una combinacin de imgenes individuales, como en el
espacio de trabajo tpico RGB, donde se combinan tres componentes: roja, verde y azul.
Por tanto las operaciones sobre imgenes en escala de grises se pueden aplicar tambin a
imgenes en color procesando cada componente por separado.
El sistema de coordenadas utilizado en la IPT usa la notacin (r, c) para indicar las
filas y las columnas, con el origen de coordenadas situado en (r, c) = (1, 1). La mayor parte
Pgina 18 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
I = imread('nombre_archivo');
[F, C] = size(I)
Y mediante la funcin whos podemos ver varias de sus caractersticas, como sus
dimensiones, bytes ocupados y clase de archivo:
whos I
Para tener acceso a todos los campos de informacin de una imagen se debe recoger
la estructura de informacin devuelta por la funcin iminfo de la siguiente manera:
E = iminfo(I);
tamao = E.FileSize;
Pgina 19 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
ventana o sin especificar una nueva figura utilizando el comando figure antes de llamar a
la funcin (figure, imshow(I)) la nueva imagen reemplazar la anterior en la ventana
abierta. Las sintaxis ms habituales son las siguientes:
imshow(I, G)
donde I es la imagen a mostrar y G es el nmero de niveles de intensidad utilizados
para mostrarla (256 si se omite).
figure, imshow(I)
donde I es la imagen a mostrar, que se abrir en una nueva ventana.
imwrite(f, 'nombre_archivo')
imwrite(f, 'nombre_archivo', 'tipo_imagen')
imwrite(f, 'nombre_archivo.extensin')
Para guardar grficos generados con MATLAB debemos hacerlo a travs del men
contextual de la ventana, seleccionando File-Save As o bien mediante la funcin
print desde la lnea de comandos con la siguiente sintaxis:
Pgina 20 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
[5]
2.3.8.1. Tipos de datos
Nombre Descripcin
Nmeros de precisin doble en el rango aproximado de -10308 a
double
10308. Si es una imagen con valores escalados (lo habitual) el
rango ser [0, 1]
(8bytes por elemento)
uint8
Enteros sin signo de 8-bits en el rango [0, 255]
(1 byte por elemento)
uint16
Enteros sin signo de 16-bits en el rango [0, 65535]
(2 bytes por elemento)
uint32
Enteros sin signo de 32-bits en el rango [0, 4294967295]
(4 bytes por elemento)
int8
Enteros con signo de 8-bits en el rango [-128, 127]
(1 byte por elemento)
int16
Enteros con signo de 16-bits en el rango [-32768, 32767]
(2 bytes por elemento)
Enteros con signo de 32-bits en el rango [-2147483648,
int32 2147483647]
(4 bytes por elemento)
Nmeros de precisin simple en el rango aproximado de -1038 a
single 1038
(4 bytes por elemento)
char
Caracteres
(2 bytes por elemento)
logical
Valores 0 o 1
(1 byte por elemento)
Pgina 21 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
Pgina 22 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
R = RGB(:, :, ,1);
G = RGB(:, :, ,2);
B = RGB(:, :, ,3);
o alternativamente:
image(X)
colormap(map)
Para pasar de un tipo de imagen a otro la IPT proporciona varias funciones que
permiten la conversin. Estas son las ms habituales (ms detalladas en la pgina de cada
funcin):
Pgina 23 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
escala de grises
rgb2ind imagen indexada imagen RGB
ind2rgb imagen RGB imagen indexada
rgb2gray imagen en escala de grises imagen RGB
Un vector tambin se puede utilizar como ndice en otro vector. Por ejemplo,
podemos coger los elementos primero, cuarto y quinto del vector v utilizando el vector
ndice [1 4 5] con la siguiente sintaxis: v([1 4 5]).
Para indexar matrices ahora necesitamos dos ndices al ser elementos en dos
dimensiones: uno para la fila y otro para la columna. Por ejemplo, para acceder a la
segunda fila y tercera columna del vector A se debe de escribir: A(2,3).
Pgina 24 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
El uso del operador : (dos puntos) es similar que en el caso de vectores pero ahora
se seleccionan bloques enteros de filas o columnas especificadas. Por ejemplo, siendo A
una matriz de 3-por-3, seleccionaremos nicamente la tercera columna mediante el
comando A(:,3) o bien A(1:3,3). Para escribir la matriz como una columna deberemos
escribir A(:), que es una forma adecuada para utilizar con funciones como sum que suma
todas las columnas de la matriz, por lo que el comando sum(A(:)) calcular la suma de
todos los elementos del array. Para escribir la matriz como fila deberemos escribir
A(1:end).
La notacin A([a b],[c d]) selecciona los elementos de A que estn en la fila a
columna c, fila a columna d, fila b columna c y fila b columna d. Una forma habitual de
indexar matrices con matrices es utilizar matrices binarias que hagan de ndice como
muestra el siguiente ejemplo:
A = [1 2 3; 4 5 6; 7 8 9]
D = logical( [1 0 0; 0 0 1; 0 0 0])
A(D)
MATLAB guarda las matrices del modo en el que las muestra el comando A(:), o
sea, en una sola columna. De hecho, se puede acceder a los elementos de la matriz
mediante indexado lineal, utilizando la posicin del elemento en esa nica columna. Por
ejemplo, A(3) accede al tercer valor de esa columna de datos.
2.3.10.Operadores
Pgina 25 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
'
Adjunta o traspuesta conjugada de ctranspose(A)
vectores y matrices.
Adems, la IPT tiene una serie de funciones especficas para operar con imgenes
que aunque realizan clculos que se pueden llevar a cabo con los operadores aritmticos
tradicionales, su entrada de datos no est limitada a la clase double.
Funcin Descripcin
imadd Suma dos imgenes o le aade una constante a una imagen.
imsubtract Resta dos imgenes o le resta una constante a una imagen.
immultiply
Multiplica dos imgenes elemento a elemento o multiplica una
constante sobre una imagen.
Pgina 26 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
imdivide
Divide dos imgenes elemento a elemento o divide una imagen
entre una constante.
imabsdiff Calcula la diferencia absoluta entre dos imgenes.
imcomplement Complementa una imagen.
imlincomb Combina linealmente dos o ms imgenes.
Los operadores relacionales de los que dispone MATLAB son los habituales y
comparan elemento a elemento los elementos correspondientes de cada array, que deben
ser de iguales dimensiones salvo que uno de ellos sea un escalar. Los operadores son los
siguientes:
A = [1 2 3; 4 5 6; 7 8 9];
B = [0 2 4; 3 5 6; 3 4 9];
A == B
Los operadores lgicos de MATLAB pueden operar tanto con datos lgicos como
con datos numricos. El valor verdadero o 1 es cuando hay un valor lgico de 1 o cuando
hay un valor numrico distinto de cero.
Pgina 27 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
Funcin Descripcin
xor
OR exclusiva. Devuelve 1 si ambos operandos son diferentes
lgicamente y 0 en caso contrario.
Devuelve 1 si todos los elementos de un vector son distintos de
all cero y 0 en caso contrario. Esta funcin opera con columnas en
el caso de matrices.
Devuelve 1 si alguno de los elementos de un vector es distinto
any de cero y 0 en caso contrario. Esta funcin opera con columnas
en el caso de matrices.
Ejemplo:
A = [1 2 3; 4 5 6];
B = [0 -1 1; 0 0 2];
all(B)
Adems existe una serie de funciones lgicas que son tiles para la programacin
condicionada y que se listan a continuacin: [5]
Funcin Descripcin
iscell(C) Verdadero si C es un array de celdas.
Pgina 28 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
iscellstr(s)
Verdadero si s es un array de celdas de cadenas de
texto.
ischar(s) Verdadero si s es un carcter.
isempty(A) Verdadero si A es un array vaco [ ].
isequal(A,B)
Verdadero si A y B tienen idnticos elementos y
dimensiones.
isfield(S,'nombre') Verdadero si 'nombre' es un campo de la estructura S.
isfinite(A)
Verdadero en las localizaciones del array A que son
finitas.
isinf(A)
Verdadero en las localizaciones del array A que son
infinitas.
isletter(A)
Verdadero en las localizaciones de A que son letras del
alfabeto.
islogical(A) Verdadero si A es un array lgico.
ismember(A,B)
Verdadero en las posiciones donde los elementos de A
estn tambin en B.
isnan(A)
Verdadero en las posiciones de A que son nmeros
indeterminados (NaNs, Not-a-Number) como p.ej. 0/0.
isnumeric(A) Verdadero si A es un array numrico.
isprime(A)
Verdadero en las posiciones s de A que son nmeros
primos.
isreal(A)
Verdadero si los elementos de A no tienen parte
imaginaria.
isspace(A)
Verdadero en las localizaciones donde los elementos de
A son espacios en blanco.
issparse(A) Verdadero si A es una matriz dispersa.
isstruct(S) Verdadero si S es una estructura.
Pgina 29 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
3. Captulo 3
Pgina 30 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
La IPT de MATLAB cuenta con 283 funciones propias en su ltima versin 8.0
(R2012a) del ao 2012. En este captulo y segn lo acordado con el tutor del PFC, se
describir nicamente la primera mitad de las funciones para no exceder el tiempo y
espacio que se le debe destinar a la realizacin del PFC, quedando la otra mitad pendiente
para otro futuro PFC que complemente esta primera mitad del trabajo.
Al final de la pgina de cada funcin se detallan las funciones de la IPT que estn
relacionadas con esa funcin. Adems, en el Captulo 5 - Anexo I se encuentran
organizadas las funciones por aplicacin para que sea ms fcil encontrar una funcin a
partir de los requisitos del usuario. De esta forma, junto al ndice de funciones ordenadas
alfabticamente localizado al comienzo de este PFC, se hace sencilla la bsqueda de
cualquier funcin en el documento, ya sea por aplicacin o por nombre.
Pgina 31 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
adapthisteq
Ecualizacin adaptativa del histograma con contraste limitado (Contrast-
limited adaptive histogram equalization, CLAHE)
Introduccin
El histograma es un grfico que relaciona los niveles de intensidad de gris de una imagen y
el nmero de pxeles que hay para cada nivel de intensidad. El histograma, adems de
caracterizar la imagen, se puede utilizar tambin para la segmentacin de imgenes.
Cada imagen tiene su propio histograma pero como norma general se considera que una
imagen tiene un buen contraste si su histograma se extiende ocupando casi todo el rango de
tonos. Para aumentar el contraste, se puede expandir el histograma o bien realizar una
ecualizacin del mismo (expansin buscando distribucin uniforme):
Expansin del histograma (o aumento del rango dinmico): consiste en hacer que el
histograma abarque la totalidad de niveles de intensidad disponibles, expandiendo
los niveles originales de manera que el valor de intensidad ms bajo sea cero y el
ms alto sea el valor mximo.
Ecualizacin o linealizacin del histograma: busca distribuir los niveles de gris (
color en el caso RGB) de una de forma uniforme, expandiendo los valores de
intensidad ms frecuentes en la imagen y por tanto mejorando el contraste de la
imagen. La principal ventaja es que es un mtodo completamente automtico. [4]
Sintaxis
J = adapthisteq(I)
J = adapthisteq(I,param1,val1,param2,val2...)
Pgina 32 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
Descripcin
I es una imagen en escala de grises y puede ser del tipo uint8, uint16, int16, single, o
double. La imagen de salida J tendr el mismo tipo que I. Si en vez de una imagen en
escala de grises se tiene una imagen en color, se debe convertir la imagen en color al
espacio de color adecuado para procesarlo, como por ejemplo al espacio de color L*a*b*,
donde se puede actuar nicamente sobre la componente de luminosidad 'L*', afectando
solo a la intensidad de los pixeles y preservando los colores originales.
Parmetro Valor
'NumTiles' Vector de dos nmeros enteros positivos que especifican el nmero de
baldosas rectangulares con fila y columna, [M N]. M y N deben valer al
menos 2. El nmero total de baldosas es igual a M*N.
adapthisteq dividir la imagen en ese nmero de regiones o baldosas
y calcular la transformacin de contraste para cada una de ellas
basndose en su histograma. El nmero ptimo depende del tipo de
imagen de entrada y se debe determinar por experimentacin.
(Por defecto: [8 8], 64 baldosas)
'ClipLimit' Escalar real en el rango [0, 1] que define un lmite de mejora en el
Pgina 33 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
Ejemplos de uso
Ejemplo 1: Aplicar una ecualizacin adaptativa del histograma con contraste limitado
(CLAHE) a una imagen en escala de grises cambiando alguno de sus parmetros.
I = imread('M131806467LC.tif');
imshow(I)
Pgina 34 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
A1 = adapthisteq(I);
A2 = adapthisteq(I,'clipLimit',0.05);
A3 = adapthisteq(I,'NumTiles',[30 30],'clipLimit',0.01);
figure, imshow(A1)
figure, imshow(A2)
figure, imshow(A3)
Figura f.1 - Imagen original (I) sin procesar Figura f.2 - Imagen procesada (A1) con adapthisteq
con los parmetros por defecto (NumTiles=8*8 y
clipLimit=0.01)
Figura f.3 - Imagen procesada (A2) con adapthisteq Figura f.4 - Imagen procesada (A3) con adapthisteq
con los parmetros por defecto y clipLimit=0.05 con los parmetros por defecto y NumTiles=30*30
Ejemplo 2: Aplicar una ecualizacin adaptativa del histograma con contraste limitado
(CLAHE) comparando el resultado con el de las otras funciones para la mejora del
contraste (histeq e imadjust).
Pgina 35 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
I = imread('M131806467LC.tif');
figure, imhist(I);
A1 = imadjust(I);
figure, imhist(A1);
A2 = histeq(I);
figure, imhist(A2);
A3 = adapthisteq(I);
figure, imhist(A3);
imshow(I)
figure, imshow(A1)
figure, imshow(A2)
figure, imshow(A3)
Figura f.1 - Imagen original (I) sin procesar Figura f.5 - Imagen procesada (A1) con imadjust
Figura f.6 - Imagen procesada (A2) con histeq Figura f.2 - Imagen procesada (A3) con adapthisteq
Pgina 36 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
Figura f.7 - Histograma de imagen original I Figura f.8 - Histograma de imagen procesada (A1)
con imadjust
Figura f.9 - Histograma de imagen procesada (A2) Figura f.10 - Histograma de imagen procesada (A3)
con histeq con adapthisteq
Como vemos el mejor resultado se obtiene con la funcin adapthisteq que consigue
contrastar de forma diferente segn la zona, obteniendo un histograma bastante expandido
y uniforme, mientras que imadjust e histeq sobre todo, se exceden aumentando el
contraste de toda la imagen sobresaturando algunas zonas, por lo que habra que hacer uso
de sus diferentes parmetros de entrada para corregir la salida.
Para mejorar el contraste en imgenes en color se suele trabajar en un espacio de color que
tenga los valores de intensidad en una de sus componentes, como el espacio L*a*b*, donde
se acta nicamente sobre la componente de luminosidad 'L*', lo que afecta solo a la
intensidad de los pixeles y preserva los colores originales. Para el espacio de trabajo RGB
se podran procesar directamente los canales de forma separada, pero cambiara el
resultado final, apareciendo ms colores que en la imagen original.
Pgina 37 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
RGB = imread('Nurnberg.tif');
cform2lab = makecform('srgb2lab');
LAB = applycform(RGB, cform2lab);
LAB = lab2double(LAB);
L = LAB(:,:,1)/100;
LAB(:,:,1) = adapthisteq(L)*100;
cform2srgb = makecform('lab2srgb');
PRGB = applycform(LAB, cform2srgb);
figure, imshow(RGB);
figure, imshow(PRGB)
Figura f.11 - Imagen original (RGB) sin procesar Figura f.12 - Imagen procesada (PRGB) con
adapthisteq con los parmetros por defecto
Funciones relacionadas:
histeq, imadjust
Pgina 38 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
analyze75info
Lectura de los metadatos del archivo de cabecera de un conjunto de
datos en formato Analyze 7.5
Introduccin
Sintaxis
info = analyze75info(filename)
info = analyze75info(filename,'ByteOrder',endian)
Descripcin
Valor Significado
'ieee-le' Ordenacin de bytes tipo Little Endian (guarda el byte menos significativo
en la direccin ms baja)
'ieee-be' Ordenacin de bytes tipo Big Endian (guarda el byte ms significativo en
la direccin ms baja).
Pgina 39 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
Ejemplos de uso
Funciones relacionadas
analyze75read
Pgina 40 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
analyze75read
Lectura de los datos de imagen de un conjunto de datos en formato
Analyze 7.5
Introduccin
Sintaxis
X = analyze75read(filename)
X = analyze75read(info)
Descripcin
Analyze 7.5 especificado en la cadena filename. La funcin guarda los datos de la imagen
en la variable X. Para imgenes de un solo fotograma en escala de grises, X es un array de
m-por-n. analyze75read utiliza para X un tipo de dato que es coherente con el tipo de dato
estructura de metadatos guardada en la variable info, que debe ser una estructura vlida
devuelta por la funcin analyze75info.
X puede ser de tipo logical, uint8, int16, int32, single, o double. No es posible
Pgina 41 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
Ejemplos de uso
Ejemplo 1: Leer los datos de imagen de un archivo de imagen formato Analyze 7.5.
X = analyze75read('brainMRI');
X = flipdim(X,1);
montage(Y, gray);
Ejemplo 2: Leer los datos de imagen a partir de la lectura de los metadatos de la cabecera.
info = analyze75info('brainMRI.hdr');
X = analyze75read(info);
Funciones relacionadas
analyze75info
Pgina 42 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
applycform
Transformacin del espacio de color
Sintaxis
B = applycform(A,C)
Descripcin
A es un array real no disperso de tipo uint8, uint16, double o una cadena. A es solo una
Ejemplos de uso
Pgina 43 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
rgb = imread('peppers.png');
C = makecform('srgb2lab');
% Aplicamos la transformacin.
lab = applycform(rgb,C);
Funciones relacionadas
Pgina 44 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
applylut
Operaciones de vecindad en imgenes binarias con tablas de consulta
Introduccin
Sintaxis
A = applylut(BW,LUT)
Descripcin
applylut realiza una operacin de vecindad en una imagen binaria produciendo primero
un ndice para cada vecindad de la imagen (ndice nico para cada posible configuracin
de vecindad) que permitir localizar en la tabla de consulta lut el valor de salida para esa
configuracin de vecindad. El tipo de algoritmo utilizado depende de si se usan vecindades
de 2-por-2 o 3-por-3.
imagen binaria BW utilizando una tabla de consulta LUT, que es un vector binario de 16
elementos (vecindad de 2-por-2) o de 512 elementos (vecindad de 3-por-3) devuelto por la
funcin makelut y que contiene la salida (positiva o negativa) a una funcin determinada,
para cada una de las 16 o 512 posibles vecindades binarias.
Pgina 45 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
BW puede ser del tipo numeric o logical y debe ser real, bidimensional y no disperso. LUT
puede ser numeric o logical y debe ser un vector real con 16 o 512 elementos. Si todos
los elementos de LUT son 0 o 1, entonces A es logical. Si todos los elementos de LUT son
enteros entre 0 y 255, entonces A es uint8. Para el resto de casos, A es double.
Ejemplos de uso
1 4 1 8 64
2 8 2 16 128
4 32 256
para el caso de 2-por-2 para el caso de 3-por-3
y sumando posteriormente todos los productos, lo que nos dar un valor entre 0 y 15 para
vecindades de 2-por-2 o entre 0 y 511 para vecindades de 3-por-3.
Siguiendo este procedimiento, crear una tabla de consulta para el patrn siguiente:
0 0 0
0 1 0
1 1 1
% Lo primero es calcular el valor del ndice del patrn dado: 0x1 + 0x2 +
1x4 + 0x8 + 1x16 + 1x32 + 0x64 + 0x128 + 1x256 = 4 + 16 + 32 + 256 = 308.
lut = zeros(512,1);
lut(309) = 1;
% Creamos la tabla de consulta con makelut que pasa una a una todas las
vecindades de 2-por-2 a la funcin especificada y guarda el resultado. En
este caso, la funcin devuelve TRUE si el nmero de 1's en la vecindad
pasada es 4 y devuelve FALSE en caso contrario.
Pgina 46 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
BW = imread('erosion_in.png');
BW2 = applylut(BW,lut);
figure, imshow(BW); figure, imshow(BW2);
Figura f.14 - Imagen original (BW) sin procesar Figura f.15 - Imagen procesada (BW2) con applylut
Figura f.16 - Imagen procesada (BW3) con applylut Figura f.17 - Imagen procesada (BW4) con applylut
Funciones relacionadas
bwhitmiss, makelut
Pgina 47 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
axes2pix
Conversin de coordenadas en ejes a coordenadas en pxeles
Sintaxis
Descripcin
AXESX debe estar en coordenadas intrnsecas (coordenadas tales que la esquina superior
Pgina 48 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
a que la columna de la izquierda de la imagen tenga una coordenada x=1 y la fila de arriba
tenga una coordenada y=1).
dim, XDATA, y AXESX pueden ser de clase double. La salida es de clase double.
axes2pix realiza un chequeo mnimo de la validez de las variables AXESX, DIM, o XDATA.
Por ejemplo, axes2pix devuelve una coordenada negativa si AXESX es menor que
XDATA(1). La funcin axes2pix no est diseada para detectar errores.
Ejemplos de uso
Ejemplo 1: Pasar la coordenada (30,30) a coordenada en pxeles con los valores por
defecto de XData e YData (sistema de coordenadas espaciales por defecto).
h = imshow('imagetest.tif');
xdata = get(h,'XData');
ydata = get(h,'YData');
[nrows,ncols] = size(get(h,'CData'));
px = axes2pix(ncols,xdata,30)
py = axes2pix(nrows,ydata,30)
px =
88.1339
py =
30
Ejemplo 2: Pasar la coordenada (30,30) a coordenada en pxeles con los valores no por
defecto de XData e YData (sistema de coordenadas espaciales no por defecto) y
comparando cmo se muestra la imagen en cada sistema de coordenadas.
h = imshow('imagetest.tif');
Pgina 49 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
[nrows,ncols] = size(get(h,'CData'));
px = axes2pix(ncols,xdata,30)
py = axes2pix(nrows,ydata,30)
r = imread('imagetest.tif');
figure, image(r,'XData',xdata,'YData',ydata);
px =
290.1111
py =
49.7143
Figura f.19 - Imagen (r) con XData e YData por Figura f.20 - Imagen (r) con XData=[10 100] e
defecto YData=[20 90]
Funciones relacionadas
Pgina 50 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
bestblk
Determinacin del tamao de bloque ptimo para el procesado por
bloques
Sintaxis
Descripcin
siz = bestblk([m n],k) devuelve, para una imagen de m-por-n, el tamao ptimo de
bloque para el procesado por bloques. k es un escalar que especifica las mximas
dimensiones de la fila y la columna del bloque; si se omite, se toma 100 como valor por
defecto. El valor devuelto siz es un vector de 1-por-2 que contiene las dimensiones
ptimas de la fila y la columna del bloque.
bloque en mb y nb respectivamente.
Ejemplos de uso
Ejemplo 1: Determinar el tamao ptimo de bloque para una imagen de 640 por 800
pxeles:
siz =
64 50
Funciones relacionadas
blockproc
Pgina 51 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
blockproc
Procesado de una imagen por bloques
Introduccin
El procesado de una imagen por bloques es una tcnica en la que la imagen se procesa en
bloques o regiones en vez de hacerse de una sola vez. La operacin se aplica a cada bloque
por separado y finalmente se unen todos los bloques para formar la imagen de salida. Es
til normalmente para el procesado de imgenes muy grandes.
Sintaxis
B = blockproc(A,[M N],fun)
B = blockproc(src_filename,[M N],fun)
B = blockproc(adapter,[M N],fun)
blockproc(...,param,val,...)
Descripcin
fun es una referencia o puntero a una funcin (function handle) que acepta una estructura
de bloque (block struct) como entrada y devuelve una matriz, un vector o un escalar Y. Por
ejemplo, Y = fun(block_struct). blockproc pasa cada bloque de dato de la imagen de
entrada A a la funcin fun, que produce Y, el bloque correspondiente en la imagen de
salida. Si Y est vaco, blockproc no genera ninguna salida y vuelve vaca despus de
procesar todos los bloques. Eligiendo un tamao apropiado de bloque se puede mejorar
significativamente el rendimiento. Ms detalles sobre las estructuras de bloque (block
struct) al final de la definicin de parmetros.
y procesando un bloque cada vez en lugar de leerla toda primero con imread. Esta sintaxis
Pgina 52 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
es apropiada para procesar imgenes muy grandes ya que as solo se almacena un bloque
de imagen en memoria cada vez. Si la matriz de salida B es demasiado grande para
almacenarse en memoria se debe omitir el guardar la salida en esa variable y escribir cada
bloque directamente en un archivo, especificndolo con el parmetro 'Destination'.
Parmetro Valor
'BorderSize' Vector de dos elementos [V H] que especifica la cantidad de
pxeles de borde a aadir a cada bloque, borde que se eliminar
por defecto del resultado de fun (ver parmetro 'TrimBorder')
y que por tanto no aparecer en la composicin final. La funcin
lo aade V filas encima y debajo de cada bloque y H columnas a la
izquierda y derecha de cada bloque. El tamao final de cada
bloque ser:
[M + 2*V, N + 2*H]
El valor por defecto es [0 0], que significa sin borde. Por
defecto, la funcin elimina el borde automticamente del
resultado de fun. Consultar el parmetro 'TrimBorder' para ms
informacin. La funcin rellena los bloques con bordes usando
ceros.
(Por defecto: [0 0] (sin borde))
'Destination' Especifica el destino de la salida de blockproc. Cuando se
especifica, blockproc no devuelve la imagen procesada como un
argumento de salida sino que escribe la salida en ese destino
especificado. Los valores posibles de 'Destination' son:
Nombre de archivo en formato TIFF: una cadena acabada
en la extensin '.tif'. Si la imagen ya existe, se
sobrescribir.
Objeto ImageAdapter: una instancia de una clase
ImageAdapter que permite la lectura y escritura en
archivos de imagen no comunes. Ms informacin en la
pgina dedicada a ImageAdapter (p. 333)
El parmetro 'Destination' es til cuando esperas que la salida
Pgina 53 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
Pgina 54 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
Una estructura de bloque en MATLAB contiene los datos del bloque as como otra
informacin relativa. Estos son los campos de la estructura:
del relleno vertical y horizontal alrededor del bloque de datos. Relacionado con el
parmetro de entrada 'BorderSize'.
block_struct.blockSize: vector de dos elementos [rows cols], que especifica
posicin del primer pixel (menor-fila, menor-columna) de los datos del bloque en la
imagen de entrada. Si se ha definido un borde, se refiere al primer pixel sin borde.
Ejemplos de uso
Ejemplo 1: Crear una miniatura de una imagen grande utilizando procesado por bloques,
sin tener que leer la imagen entera en memoria.
Utilizar procesado por bloques para redimensionar una imagen puede que no produzca los
mismos resultados que redimensionarla toda de una vez (I2=imresize(I,0.7)) debido a
los efectos de los bordes en los bloques.
blockproc('apples.tif',[100 100],fun,'Destination','papples.tif');
Pgina 55 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
Figura f.21 - Imagen original (apples.tif) sin Figura f.22 - Imagen redimensionada (papples.tif)
procesar por bloques con blockproc
Ejemplo 2: Intercambiar los canales de color rojo y verde de una imagen RGB y escribir el
resultado en una nueva imagen utilizando procesando por bloques.
I = imread('apples.tif');
imshow(I)
blockproc(I,[200 200],fun,'Destination','grb.tif');
figure, imshow('grb.tif')
Figura f.21 - Imagen original (I) sin procesar Figura f.23 - Imagen procesada (grb.tif) por bloques
con blockproc intercambiando sus canales
Ejemplo 3: Aplicar un filtro Gaussiano a una imagen utilizando procesado por bloques.
I = imread('apples512.tif');
imshow(I)
Pgina 56 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
h = fspecial('gaussian',5,2);
% Procesamos con bloques de 128 por 128 pxeles que llenan la imagen sin
necesitar bloques parciales y mostramos el resultado. Aparecern bordes
negros indeseables no evitables en cada bloque, creados por la funcin de
filtrado imfilter para rellenar cada bloque.
P1 = blockproc(I,[128 128],fun);
figure, imshow(P1)
Figura f.24 - Imagen original (I) sin procesar Figura f.25 - Imagen procesada (P1) por bloques con
blockproc con filtro Gaussiano y bordes indeseados
creados por el filtrado de cada bloque
Pgina 57 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
Figura f.26 - Imagen procesada (P2) por bloques con Figura f.27 - Imagen procesada (P3) por bloques
blockproc con filtro Gaussiano, usando bordes con blockproc, usando bordes aadidos y
aadidos no eliminados que caen encima de los que eliminados
crear el filtrado y evitan as la prdida de
informacin
I = imread('rueda.jpg');
DIR = dir('rueda.jpg');
tamorig=DIR.bytes
imshow(I)
I2=im2double(I);
T=dctmtx(8);
B1 = blkproc(I2,[8 8],'P1*x*P2',T,T');
mask = [1 1 1 0 0 0 0 0
1 0 0 0 0 0 0 0
1 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0];
Pgina 58 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
B2=blkproc(B1,[8 8],'P1.*x',mask);
I3=blkproc(B2,[8 8],'P1*x*P2',T',T);
figure, imshow(I3)
imwrite (I3, 'prueda.jpg');
DIR = dir('prueda.jpg');
tamproc=DIR.bytes
tamorig =
513288
tamproc =
50984
Figura f.28 - Imagen original (I) sin procesar Figura f.29 - Imagen comprimida (I3) por bloques
con blockproc
Funciones relacionadas
Pgina 59 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
bwarea
rea de objetos activos en una imagen binaria
Sintaxis
total = bwarea(BW)
Descripcin
BW puede ser del tipo numeric o logical. Para entradas numricas, cualquier pixel distinto
de cero se considera activo (blanco, 1). El valor de salida devuelto (total) es de tipo
double.
Ejemplos de uso
Ejemplo 1: Calcular el rea de los objetos activos de dos imgenes binarias de 256-por-
256 pxeles.
BW = imread('area.tif');
BW2 = imread('area2.tif');
figure, imshow(BW)
totalp = bwarea(BW)
figure, imshow(BW2)
totalp2 = bwarea(BW2)
totalp =
1.1281e+005
totalp2 =
2.2561e+005
Pgina 60 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
Figura f.30 - Imagen (BW) con objeto activo Figura f.31 - Imagen (BW2) con doble objeto activo
Funciones relacionadas
bweuler, bwperim
Pgina 61 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
bwareaopen
Borrado de objetos conectados en imagen binaria
Sintaxis
BW2 = bwareaopen(BW, P)
BW2 = bwareaopen(BW, P, conn)
Descripcin
BW2 = bwareaopen(BW, P) elimina de una imagen binaria todos los objetos conectados
que tengan menos que P pxeles, produciendo otra imagen binaria BW2. La conectividad por
defecto es de 8 pxeles para dos dimensiones, 26 para tres dimensiones y
conndef(ndims(BW), 'maximal') para mayores dimensiones.
conn, que puede tener los siguientes valores escalares (siempre simtrica respecto su
elemento central):
Valor Significado
Conectividades Bidimensionales
4 Vecindad de 4 pxeles: Un par de
pxeles colindantes forman parte del
mismo objeto solo si estn activos y
conectados en vertical u horizontal.
Figura f.32 - vecindad 4
Pgina 62 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
BW puede ser un array del tipo numeric o logical de cualquier dimensin y debe ser no
Ejemplos de uso
Ejemplo 1: Borrar de la imagen binaria text.png todos los objetos conectados (con
vecindad de 8) que contengan menos de 700, 1000 y 1200 pxeles.
BW = imread('text.tif');
BW2 = bwareaopen(BW, 700);
BW3 = bwareaopen(BW, 1000);
BW4 = bwareaopen(BW, 1200);
figure, imshow(BW)
figure, imshow(BW2)
figure, imshow(BW3)
figure, imshow(BW4)
Figura f.34 - Imagen original (BW) sin procesar Figura f.35 - Imagen procesada (BW2) con
bwareaopen con P=700 pxeles mnimos
Figura f.36 - Imagen procesada (BW3) con Figura f.37 - Imagen procesada (BW4) con
bwareaopen con P=1000 pxeles mnimos bwareaopen con P=1200 pxeles mnimos
Funciones relacionadas
bwconncomp, conndef
Pgina 63 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
bwboundaries
Clculo de las fronteras de los objetos de una imagen binaria
Sintaxis
B = bwboundaries(BW)
B = bwboundaries(BW,conn)
B = bwboundaries(BW,conn,options)
[B,L] = bwboundaries(...)
[B,L,N,A] = bwboundaries(...)
Descripcin
BW, as como las fronteras de los huecos que estn dentro de los objetos. bwboundaries
adems calcula las fronteras de los objetos hijos que estn dentro de los objetos padre.
A diferencia de la funcin bwtraceboundary, que solo calcula la frontera de un objeto,
bwboundaries calcula todas las fronteras de todos los objetos y huecos.
BW debe ser una imagen binaria donde los pxeles distintos de cero sean los objetos y los
huecos. Cada celda en la matriz contiene una matriz de Q-por-2 y cada fila de la matriz
contiene las coordenadas en fila y columna de un pixel frontera. Q es el nmero de pxeles
frontera para la regin correspondiente.
Pgina 64 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
Valor Significado
4 Vecindad de 4 pxeles.
8 Vecindad de 8 pxeles.
(Por defecto)
Valor Significado
'holes' Busca fronteras de tanto objetos como huecos. (Por defecto)
'noholes' Busca solo fronteras de objetos (padres e hijos). Puede mejorar el
rendimiento.
de salida, en la que estn etiquetados los objetos y los huecos. L es un array bidimensional
de enteros no negativos que representa regiones contiguas. La regin nmero k incluye
todos los elementos en L que tienen el valor k. El nmero de objetos y huecos representado
por L es igual a max(L(:)). Los valores que valen 0 en L forman el fondo de la imagen.
una matriz de adyacencia (matriz cuadrada que se utiliza para representar relaciones
binarias). Las primeras N celdas de B son fronteras de objetos. A representa las
dependencias padre-hijo-hueco. A es una matriz cuadrada, tipo logical, con lado de
longitud max(L(:))y cuyas filas y columnas corresponden a las posiciones de las fronteras
guardadas en B.
Las fronteras encerradas por B{m} y las fronteras que cubren a B{m} se pueden encontrar
utilizando A de la siguiente manera:
fronteras_que_cubren = find(A(m,:));
fronteras_encerradas = find(A(:,m));
BW puede ser del tipo numeric o logical y debe ser real, bidimensional y no disperso. L y
Ejemplos de uso
Pgina 65 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
BW = imread('original.tif');
[B,L] = bwboundaries(BW);
hold on
for k = 1:length(B)
boundary = B{k};
plot(boundary(:,2), boundary(:,1), 'w', 'LineWidth', 2)
end
[B,L] = bwboundaries(BW,'noholes');
figure, imshow(label2rgb(L, @jet, [.0 .0 .0]))
hold on
for k = 1:length(B)
boundary = B{k};
plot(boundary(:,2), boundary(:,1), 'w', 'LineWidth', 2)
end
Figura f.40 - Imagen procesada con bwboundaries Figura f.41 - Imagen procesada con bwboundaries
para sacar fronteras de objetos y huecos para sacar fronteras de objetos
Pgina 66 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
Ejemplo 2: Mostrar las fronteras de los objetos de una imagen binaria. Pintar las fronteras
de los objetos en rojo y de los huecos en verde.
BW = imread('original.tif');
[B,L,N] = bwboundaries(BW);
Figura f.39 - Imagen original (BW) sin procesar Figura f.42 - Imagen procesada con bwboundaries
para sacar fronteras de objetos y huecos
Ejemplo 3: Mostrar las fronteras de los objetos padre en rojo (cualquier fila vaca de la
matriz de adyacencias pertenece a un objeto padre) y sus huecos en verde.
BW = imread('original.tif');
[B,L,N,A] = bwboundaries(BW);
Pgina 67 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
Figura f.39 - Imagen original (BW) sin procesar Figura f.43 - Imagen procesada con bwboundaries
para sacar fronteras de objetos y huecos
Ejemplo 4: Leer y mostrar una imagen binaria. Superponer las fronteras de la imagen.
Mostrar un texto indicando el nmero de regin (basado en la matriz de etiquetas) al lado
de cada frontera. Adicionalmente, representar la matriz de adyacencias utilizando la
funcin spy.
BW = imread('original.tif');
[B,L,N,A] = bwboundaries(BW);
for k=1:length(B)
boundary = B{k};
cidx = mod(k,length(colors))+1;
plot(boundary(:,2), boundary(:,1),colors(cidx),'LineWidth',2);
rndRow = ceil(length(boundary)/(mod(rand*k,7)+1));
col = boundary(rndRow,2);
row = boundary(rndRow,1);
h = text(col+1, row-1, num2str(L(row,col)));
set(h,'Color',colors(cidx),'FontSize',14,'FontWeight','bold');
end
figure; spy(A);
Pgina 68 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
Figura f.44 - Imagen procesada con bwboundaries para Figura f.45 - Imagen que representa
sacar fronteras de objetos y huecos la matriz de adyacencia de la imagen
original (BW)
Funciones relacionadas
Pgina 69 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
bwconncomp
Bsqueda de componentes conectadas en una imagen binaria
Introduccin
Sintaxis
CC = bwconncomp(BW)
CC = bwconncomp(BW,conn)
Descripcin
imagen binaria BW puede tener cualquier dimensin y puede ser un array del tipo numeric
o logical, siempre real y no disperso. CC es una estructura con cuatro campos:
Campo Descripcin
Connectivity Conectividad de las componentes conectadas (objetos).
Pgina 70 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
conectadas. conn puede tener los siguientes valores escalares (siempre simtrica respecto
su elemento central):
Valor Significado
Conectividades Bidimensionales
4 Vecindad de 4 pxeles: Un par de
pxeles colindantes forman parte del
mismo objeto solo si estn activos y
conectados en vertical u horizontal.
Figura f.32 - vecindad 4
Para medir las caractersticas de los objetos dentro de una imagen binaria con la funcin
regionprops con conectividad por defecto se debe usar BW directamente en regionprops.
Ejemplos de uso
Ejemplo 1: Obtener las componentes conectadas de una imagen binaria y mostrar uno de
los campos de la estructura de informacin devuelta.
BW = [1 1 1 0 0 0 0 0
1 1 1 0 1 1 0 0
1 1 1 0 1 1 0 0
0 0 0 0 0 0 1 0
Pgina 71 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
0 0 0 0 0 0 1 0
0 0 0 0 0 0 1 0
0 1 1 0 0 1 1 0
0 1 1 0 0 0 0 0];
s = bwconncomp(BW)
s =
Connectivity: 8
ImageSize: [8 8]
NumObjects: 3
PixelIdxList: {[9x1 double] [4x1 double] [9x1 double]}
s.PixelIdxList{2}
ans =
15
16
23
24
Ejemplo 2: Obtener las componentes conectadas de una imagen binaria y borrar el objeto
con ms pxeles.
BW = imread('text.tif'); imshow(BW)
s = bwconncomp(BW);
numPixels = cellfun(@numel,s.PixelIdxList);
[biggest,idx] = max(numPixels);
BW(s.PixelIdxList{idx}) = 0;
figure, imshow(BW)
Figura f.46 - Imagen original (BW) sin procesar Figura f.47 - Imagen BW sin el objeto mayor
Pgina 72 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
Ejemplo 3: Obtener las componentes conectadas de una imagen binaria y etiquetarlas para
mostrarlas.
BW = imread('circulos.tif');
imshow(BW)
c = bwconncomp(BW)
L = labelmatrix(c);
rgb = label2rgb(L, 'jet', [.7 .7 .7], 'shuffle');
figure, imshow(rgb)
c =
Connectivity: 8
ImageSize: [587 886]
NumObjects: 10
PixelIdxList: {1x10 cell}
Figura f.48 - Imagen original (BW) sin procesar Figura f.49 - Imagen procesada (BW) con
bwconncomp para encontrar objetos
Funciones relacionadas
Pgina 73 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
bwdist
Transformada de distancia (medida de separacin de pxeles) de una
imagen binaria
Introduccin
La transformada de distancia de una imagen binaria tiene una interpretacin muy sencilla:
es la distancia de cada pixel al pixel ms cercano distinto de cero. Se utiliza sobre todo en
operaciones morfolgicas como la erosin, dilatacin y segmentacin.
Sintaxis
D = bwdist(BW)
[D,L] = bwdist(BW)
[D,L] = bwdist(BW,method)
Descripcin
pixel en la imagen BW se le asigna un nmero que es la distancia entre ese pixel y el pixel
distinto de cero ms cercano. bwdist usa por defecto la mtrica eucldea. BW puede tener
cualquier dimensin y puede ser del tipo numeric o logical, pero nunca disperso. D es del
mismo tamao que BW.
Pgina 74 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
devolviendo una matriz de etiquetas L cuyos elementos contienen el ndice lineal del pixel
distinto de cero ms cercano en BW. D y L son matrices con el mismo tamao que BW.
mtrica alternativa en la variable method, que se puede abreviar y puede tomar uno de los
siguientes valores:
Ejemplos de uso
Pgina 75 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
Ejemplo 1: Dilatacin isotrpica. Mostrar los pxeles de una imagen binaria que estn a
menos de 25 pxeles de un pxel activo en el centro. Mostrar la imagen de la transformada
de distancia de la imagen original y de la imagen final en escala de grises.
% Creamos una imagen binaria con un solo pixel blanco en el centro. Puede
que no se vea bien el pixel y haga falta utilizar la herramienta lupa.
BW = false(100,200);
BW(50,100) = 1;
imshow(BW)
DBW = bwdist(BW);
figure, imshow(DBW,[])
DBW2 = bwdist(BW2);
figure, imshow(DBW2,[])
Figura f.54 - Imagen original (BW) sin procesar Figura f.55 - Imagen procesada (BW2) con bwdist
para hacer una dilatacin isotrpica
Figura f.56 - Transformada de distancia (DBW) de Figura f.57 - Transformada de distancia (DBW2) de
la imagen original BW la imagen procesada BW2
Pgina 76 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
D =
1.4142 1.0000 1.4142 2.2361 3.1623
1.0000 0 1.0000 2.0000 2.2361
1.4142 1.0000 1.4142 1.0000 1.4142
2.2361 2.0000 1.0000 0 1.0000
3.1623 2.2361 1.4142 1.0000 1.4142
L =
7 7 7 7 7
7 7 7 7 19
7 7 7 19 19
7 7 19 19 19
7 19 19 19 19
BW = imread('circulos.tif'); imshow(BW)
Pgina 77 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
L = watershed(NDC);
w = L == 0; figure, imshow(w)
F = BW;
F(w) = 0; figure, imshow(F)
Figura f.48 - Imagen original (BW) sin procesar Figura f.58 - Imagen (D) de la transformada de
distancia de BW
Figura f.59 - Imagen (DC) de la transformada de Figura f.60 - Imagen (NDC) de la negada de la
distancia del complemento de BW transformada de distancia del complemento de BW
Figura f.61 - Imagen (w) de las lneas divisorias Figura f.62 - Imagen segmentada (F)
Funciones relacionadas:
bwulterode, watershed
Pgina 78 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
bweuler
Nmero de Euler (objetos menos huecos) de una imagen binaria
Introduccin
El nmero de Euler es una caracterstica topogrfica importante de una imagen que indica
el nmero total de objetos en la imagen menos el nmero total de huecos en esos objetos.
La rapidez del clculo del nmero de Euler es por tanto esencial actualmente, de ah que
hayan aparecido recientemente muchos estudios y algoritmos que buscan hacer ms
eficiente su procesado en una imagen.
Sintaxis
eul = bweuler(BW,n)
Descripcin
BW. El valor devuelto eul es un escalar cuyo valor es el nmero total de objetos en la
imagen menos el nmero total de huecos en esos objetos. El argumento n puede tener un
valor de 4 o 8, donde 4 significa conectividad-4 y 8 significa conectividad-8 (por defecto si
se omite el argumento).
BW puede ser del tipo numeric o logical y debe ser real, no disperso y bidimensional. El
Ejemplos de uso
Pgina 79 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
BW = imread('original.tif');
imshow(BW)
bweuler(BW)
ans =
4
Para contar solo el nmero de objetos omitiendo los huecos se puede utilizar la funcin
bwlabel con la sintaxis: [etiquetas,numobj] = bwlabel(I,8);
BW = imread('original.tif');
L = bwlabel(BW,8);
e = regionprops(L,'EulerNumber');
euler=[e.EulerNumber];
totale = sum(euler)
Figura f.63 - Imagen (w) de las lneas divisorias Figura f.64 - Imagen segmentada (F)
Pgina 80 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
eulersano =
7
eulerosteo =
15
Figura f.65 - Imagen (BW1) que representa a Figura f.66 - Imagen (BW2) que representa a
paciente sano [9] paciente con osteoporosis [9]
Funciones relacionadas
bwmorph, bwperim
Pgina 81 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
bwhitmiss
Transformada de localizacin - bsqueda y omisin de pxeles usando
patrones de vecindad determinados en una imagen binaria
Introduccin
Sintaxis
BW2 = bwhitmiss(BW1,SE1,SE2)
BW2 = bwhitmiss(BW1,INTERVAL)
Descripcin
estructuras SE1 y SE2. La operacin mantiene igual los pxeles cuyos vecinos cumplan con
el patrn o figura definida en SE1 y que a su vez no cumplan el definido en SE2. SE1 y SE2
pueden ser objetos estructurales planos creados por la funcin strel o arrays de
vecindades extrados del objeto estructurante mediante la funcin getnhood. Las
vecindades de SE1 y SE2 no deben tener ningn elemento solapado. La sintaxis
bwhitmiss(BW1,SE1,SE2) es equivalente a imerode(BW1,SE1) & imerode(~BW1,SE2).
partir de un array INTERVAL que se pasa como parmetro y cuyos elementos son 1, 0 o -1.
Pgina 82 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
Los valores igual a 1 forman SE1, los valores igual a -1 forman SE2 y los valores igual a 0
se ignoran. La sintaxis bwhitmiss(BW1,INTERVAL) es equivalente a
bwhitmiss(BW1,INTERVAL == 1, INTERVAL == -1).
BW1 puede ser un array del tipo numeric o logical de cualquier dimensin y debe ser no
disperso. BW2 siempre es un array logical del mismo tamao que BW1. SE1 y SE2 deben
ser objetos planos STREL o arrays tipo numeric o logical con solamente unos y ceros.
INTERVAL debe ser un array con 1's, 0's, y -1's.
Ejemplos de uso
P = [0 1 0
1 1 1
0 1 0];
BW = [0 1 0 0 0 0 0
1 1 1 0 0 1 0
0 1 0 0 0 0 0
0 0 0 0 0 0 0
1 1 1 0 0 1 0
1 1 1 0 1 1 1
1 1 1 0 0 0 0]
B1 = [0 1 0
1 1 1
0 1 0];
B2 = [1 0 1
0 0 0
1 0 1];
S1 = bwhitmiss(BW,B1,B2)
lut = zeros(512,1);
lut(187) = 1;
S2 = applylut(BW,lut)
Pgina 83 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
BW =
0 1 0 0 0 0 0
1 1 1 0 0 1 0
0 1 0 0 0 0 0
0 0 0 0 0 0 0
1 1 1 0 0 1 0
1 1 1 0 1 1 1
1 1 1 0 0 0 0
S1 =
0 0 0 0 0 0 0
0 1 0 0 0 0 0
0 0 0 0 0 0 0
0 0 0 0 0 0 0
0 0 0 0 0 0 0
0 0 0 0 0 0 0
0 0 0 0 0 0 0
S2 =
0 0 0 0 0 0 0
0 1 0 0 0 0 0
0 0 0 0 0 0 0
0 0 0 0 0 0 0
0 0 0 0 0 0 0
0 0 0 0 0 0 0
0 0 0 0 0 0 0
Ejemplo 2: Activar el cero central de una vecindad de 4 pxeles (un pxel cero con pxeles
vecinos activos al norte, sur, este y oeste) usando bwhitmiss para encontrar los pxeles
que debemos activar en un array BW.
BW = [1 1 0 0 0 0 0
1 0 1 0 0 1 0
0 1 0 0 0 0 0
0 0 0 0 0 0 0
1 1 1 0 0 1 1
1 0 1 0 1 0 1
1 1 1 0 1 0 1]
e1 = [0 1 0
1 0 1
0 1 0];
e2 = [0 0 0
0 1 0
0 0 0];
% Aplicamos bwhitmiss a la imagen binaria para que cree un array con los
pxeles que cumplen estos patrones de vecinos.
Pgina 84 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
encontpixel = bwhitmiss(BW,e1,e2)
BW =
1 1 0 0 0 0 0
1 0 1 0 0 1 0
0 1 0 0 0 0 0
0 0 0 0 0 0 0
1 1 1 0 0 1 1
1 0 1 0 1 0 1
1 1 1 0 1 0 1
encontpixel =
0 0 0 0 0 0 0
0 1 0 0 0 0 0
0 0 0 0 0 0 0
0 0 0 0 0 0 0
0 0 0 0 0 0 0
0 1 0 0 0 0 0
0 0 0 0 0 0 0
BW2 =
1 1 0 0 0 0 0
1 1 1 0 0 1 0
0 1 0 0 0 0 0
0 0 0 0 0 0 0
1 1 1 0 0 1 1
1 1 1 0 1 0 1
1 1 1 0 1 0 1
Ejemplo 2: Encontrar los rectngulos con tamao 9x6 pxeles en la imagen binaria.
I=imread('cuadros.tif');
imshow(I)
B=zeros(11,9);
B(2:10, 2:7)=1;
B1=B
B=ones(11,9);
B(2:10,2:7)=0; B(1:11,9)=0;
B2=B
C=bwhitmiss(I,B1,B2);
[fila col]=find(C);
C(fila-4:fila+4,col-3:col+2)=1;
figure, imshow(C)
Pgina 85 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
B1 =
0 0 0 0 0 0 0 0 0
0 1 1 1 1 1 1 0 0
0 1 1 1 1 1 1 0 0
0 1 1 1 1 1 1 0 0
0 1 1 1 1 1 1 0 0
0 1 1 1 1 1 1 0 0
0 1 1 1 1 1 1 0 0
0 1 1 1 1 1 1 0 0
0 1 1 1 1 1 1 0 0
0 1 1 1 1 1 1 0 0
0 0 0 0 0 0 0 0 0
B2 =
1 1 1 1 1 1 1 1 0
1 0 0 0 0 0 0 1 0
1 0 0 0 0 0 0 1 0
1 0 0 0 0 0 0 1 0
1 0 0 0 0 0 0 1 0
1 0 0 0 0 0 0 1 0
1 0 0 0 0 0 0 1 0
1 0 0 0 0 0 0 1 0
1 0 0 0 0 0 0 1 0
1 0 0 0 0 0 0 1 0
1 1 1 1 1 1 1 1 0
Funciones relacionadas
Pgina 86 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
bwlabel
Etiquetado de componentes conectadas en una imagen binaria en 2-D
Introduccin
Sintaxis
L = bwlabel(BW, n)
[L, num] = bwlabel(BW, n)
Descripcin
tamao que BW y con etiquetas para todos los elementos conectados de la imagen BW. El
argumento n puede tener un valor de 4 o 8, donde 4 significa conectividad-4 y 8 significa
conectividad-8 (por defecto si se omite el argumento).
BW puede ser del tipo numeric o logical y debe ser real, bidimensional y no disperso. L es
de tipo double.
Los elementos de L son valores enteros, ms grandes o iguales que 0. Los pxeles
etiquetados con 0 son el fondo de la imagen. Los pxeles etiquetados con 1 crean un objeto.
Los pxeles etiquetados con un 2 forman un segundo objeto, y as consecutivamente.
Pgina 87 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
Para medir las caractersticas de objetos dentro de una imagen binaria utilizando la funcin
regionprops con conectividad por defecto, usar BW directamente en regionprops (p. ej.
regionprops(BW)).
Utilizar la funcin find junto a bwlabel para obtener vectores de ndices de fila y
columna para los pxeles de un objeto especfico. Por ejemplo, para obtener las
coordenadas para los pxeles del objeto 2 se debe escribir:
[r, c] = find(bwlabel(BW)==2)
Se puede mostrar la matriz de salida como una imagen indexada con la funcin
label2rgb. Cada objeto aparecer con un color diferente y sern ms fciles de
reconocer.
Ejemplos de uso
BW = logical ([1 1 1 0 0 0 0 0
1 1 1 0 1 1 0 0
1 1 1 0 1 1 0 0
1 1 1 0 0 0 1 0
1 1 1 0 0 0 1 0
1 1 1 0 0 0 1 0
1 1 1 0 0 1 1 0
1 1 1 0 0 0 0 0]);
% Conectividad 4.
L4 = bwlabel(BW,4)
% Buscamos los ndices de fila y columna para todos los pxeles del
segundo objeto.
% Conectividad 8.
L8 = bwlabel(BW,8)
[r8, c8] = find(L8 == 2);
r8c8 = [r8 c8]
Pgina 88 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
L4 =
1 1 1 0 0 0 0 0
1 1 1 0 2 2 0 0
1 1 1 0 2 2 0 0
1 1 1 0 0 0 3 0
1 1 1 0 0 0 3 0
1 1 1 0 0 0 3 0
1 1 1 0 0 3 3 0
1 1 1 0 0 0 0 0
r4c4 =
2 5
3 5
2 6
3 6
L8 =
1 1 1 0 0 0 0 0
1 1 1 0 2 2 0 0
1 1 1 0 2 2 0 0
1 1 1 0 0 0 2 0
1 1 1 0 0 0 2 0
1 1 1 0 0 0 2 0
1 1 1 0 0 2 2 0
1 1 1 0 0 0 0 0
r8c8 =
2 5
3 5
2 6
3 6
7 6
4 7
5 7
6 7
7 7
Funciones relacionadas
Pgina 89 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
bwlabeln
Etiquetado de componentes conectadas usando conectividad-n en una
imagen binaria
Introduccin
Sintaxis
L = bwlabeln(BW)
[L, NUM] = bwlabeln(BW)
[L, NUM] = bwlabeln(BW, conn)
Descripcin
los elementos conectados de la imagen BW. La imagen de entrada puede tener cualquier
dimensin. L tiene el mismo tamao que BW. Los elementos de L son enteros mayores o
iguales que 0. Los pxeles etiquetados con 0 son el fondo de la imagen. Los pxeles
etiquetados con 1 crean un objeto. Los pxeles etiquetados con un 2 forman un segundo
objeto, y as consecutivamente. La conectividad por defecto es 8 para dos dimensiones, 26
para tres dimensiones y conndef(ndims(BW), 'maximal') para dimensiones mayores.
BW puede ser del tipo numeric o logical y debe ser real y no disperso. L es de tipo
double.
Pgina 90 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
encontrados en BW.
[L, NUM] = bwlabeln(BW, conn) especifica la conectividad deseada. conn puede tener
Valor Significado
Conectividades Bidimensionales
4 Vecindad de 4 pxeles: Un par de
pxeles colindantes forman parte del
mismo objeto solo si estn activos y
conectados en vertical u horizontal.
Figura f.32 - vecindad 4
Utilizar la funcin find junto a bwlabeln para obtener vectores de ndices de fila y
columna para los pxeles de un objeto especfico. Por ejemplo, para obtener las
coordenadas para los pxeles del objeto 2 se debe escribir:
[r, c] = find(bwlabeln(BW)==2)
Se puede mostrar la matriz de salida como una imagen indexada con la funcin
label2rgb. Cada objeto aparecer con un color diferente y sern ms fciles de
reconocer.
Pgina 91 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
Para medir las caractersticas de objetos dentro de una imagen binaria utilizando la funcin
regionprops con conectividad por defecto, usar BW directamente en regionprops (p. ej.
regionprops(BW)).
Funciones relacionadas
Pgina 92 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
bwmorph
Operaciones morfolgicas en imgenes binarias
Introduccin
La funcin bwmorph implementa una serie de operaciones morfolgicas muy tiles basadas
en combinaciones de dilataciones, erosiones y operaciones de bsqueda en tablas.
Sintaxis
BW2 = bwmorph(BW,operation)
BW2 = bwmorph(BW,operation,n)
Descripcin
La imagen de entrada BW puede ser del tipo numeric o logical. Debe ser 2-D, real y no
dispersa. La imagen de salida BW2 es del tipo logical. Operation es una cadena que
puede tener uno de los siguientes valores:
Operacin Descripcin
'bothat' Realiza la operacin morfolgica black top-hat o bottom-hat
(sombrero de copa negro), dual a white top-hat o top-hat (sombrero de
copa blanco), devolviendo la diferencia entre la clausura de una
imagen por un elemento estructurante (la coleccin de partes del fondo
de la imagen que corresponden con un elemento estructurante o patrn
particular) y la imagen original. Es una dilatacin seguida de una
erosin.
Se utiliza un elemento estructurante de 3-por-3. Para utilizar otro
elemento estructurante distinto o aplicarlo sobre una imagen en escala
de grises se debe utilizar la funcin imbothat.
La operacin devuelve una imagen con los objetos que son menores
que el elemento estructurante y que son ms oscuros que sus vecinos
(se debe aumentar el tamao del elemento estructurante para extraer
Pgina 93 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
Pgina 94 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
1 1 1
1 0 1
1 1 1
Para rellenar huecos ms grandes o aplicarlo sobre una imagen en
escala de grises se debe utilizar la funcin imfill.
'hbreak' Elimina pxeles conectados con conectividad-H. Por ejemplo:
1 1 1 1 1 1
0 1 0 se convierte en 0 0 0
1 1 1 1 1 1
'majority' Pone un pixel a 1 si cinco o ms pxeles en su vecindad de 3-por-3 son
1s; en caso contrario pone el pixel a 0. Por ejemplo:
1 1 1 0 0 0
0 1 0 se convierte en 1 1 1
1 1 1 0 0 0
'open' Realiza una apertura morfolgica (erosin seguida de dilatacin). La
apertura generalmente suaviza los contornos de una imagen y elimina
pequeos salientes. Tambin puede eliminar franjas o zonas de un
objeto que sean ms estrechas que el elemento estructural.
Se utiliza un elemento estructurante de 3-por-3. Para utilizar otro
elemento estructurante distinto o aplicarlo sobre una imagen en escala
de grises se debe utilizar la funcin imopen.
'remove' Elimina pxeles interiores. Pone un pixel a 0 si todos sus vecinos con
conectividad-4 estn a 1, dejando solo los pxeles frontera activos. Por
ejemplo:
1 1 1 1 1 1
1 1 1 se convierte en 1 0 1
1 1 1 1 1 1
'shrink' Con n = Inf (infinito) contrae objetos a puntos. Elimina los pxeles
hasta que los objetos sin huecos se reduzcan a un punto y los objetos
con huecos se reduzcan a un anillo entre cada hueco y la frontera
exterior. Esta opcin mantiene el nmero de Euler. Por ejemplo:
1 1 1 0 0 0
1 1 1 se convierte en 0 1 0
1 1 1 0 0 0
1 1 1 0 1 0
1 0 1 se convierte en 1 0 1
1 1 1 0 1 0
'skel' Forma el esqueleto de una imagen (esqueletizacin). Junto con la
operacin 'thin' es una de las operaciones ms habituales para
reducir objetos binarios a un conjunto de lneas que aportan
informacin de relevancia sobre las formas originales. Es como una
erosin que finaliza cuando se llega a la lnea final de los pxeles del
objeto.
Con n = Inf (infinito) elimina los pxeles en la frontera de los objetos
pero no permite romper los objetos. Los pxeles restantes forman el
esqueleto de la imagen. Esta opcin mantiene el nmero de Euler. Por
ejemplo:
Pgina 95 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
1 1 1 1 0 0
1 1 1 se convierte en 1 1 1
1 1 1 1 0 0
'spur' Pone un pixel a 0 si solo tiene un pixel con conectividad-8 en su
vecindad. Por ejemplo:
0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0
0 0 1 0 se convierte en 0 0 0 0
0 1 0 0 0 1 0 0
1 1 0 0 1 1 0 0
'thicken' Con n = Inf (infinito) engorda objetos aadiendo pxeles al exterior
del objeto hasta que los pxeles que antes no estaban conectados con
conectividad-8 ahora lo estn. Esta opcin mantiene el nmero de
Euler. Por ejemplo:
0 0 0 1 1 1
0 1 0 se convierte en 1 1 1
0 0 0 1 1 1
'thin' Es una de las operaciones ms habituales para reducir objetos binarios
a un conjunto de lneas que aportan informacin de relevancia sobre
las formas originales.
Con n = Inf (infinito) encoge objetos hasta formar lneas de un solo
pixel de ancho. Elimina pxeles hasta que un objeto sin huecos se
reduzca a un trazo mnimo y hasta que un objeto con huecos se
reduzca a un anillo entre cada hueco y la frontera exterior. Se mantiene
el nmero de Euler. Por ejemplo:
1 1 1 0 0 0
1 1 1 se convierte en 0 1 0
1 1 1 0 0 0
1 1 1 0 1 0
1 0 1 se convierte en 1 0 1
1 1 1 0 1 0
'tophat' Realiza la operacin morfolgica white top-hat (sombrero de copa
blanco), contraria a black top-hat o bottom-hat (sombrero de copa
negro) devolviendo la diferencia entre la imagen original y su apertura
por un elemento estructurante (la coleccin de partes del frente de una
imagen que corresponden con un elemento estructurante o patrn
particular). Es una erosin seguida de una dilatacin.
Se utiliza un elemento estructurante de 3-por-3. Para utilizar otro
elemento estructurante distinto o aplicarlo sobre una imagen en escala
de grises se debe utilizar la funcin imtophat.
La operacin devuelve una imagen con los objetos que son menores
que el elemento estructurante y que son ms brillantes que sus vecinos
(aumentar el tamao del elemento estructurante para extraer objetos
mayores). Es por tanto til para extraer pequeos objetos o detalles
claros sobre fondo oscuro y tambin para corregir la iluminacin
desigual cuando el fondo es oscuro. Adems, se puede mejorar el
contraste sumando la imagen original y la imagen filtrada con top-hat
Pgina 96 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
Ejemplos de uso
Ejemplo 1: Aplicar la operacin 'thin' infinita para encoger una imagen binaria de una
huella digital hasta conseguir las lneas ms estrechas posibles.
BW = imread('finger.tif');
BW2 = bwmorph(BW,'thin',Inf);
imshow(BW)
figure, imshow(BW2)
Figura f.69 - Imagen original (BW) Figura f.70 - Imagen procesada (BW2)
con bwmorph parmetro 'thin'
BW = imread('circulos.tif');
BW2 = bwmorph(BW,'remove');
imshow(BW)
figure, imshow(BW2)
Figura f.48 - Imagen original (BW) Figura f.71 - Imagen procesada (BW2)
con bwmorph parmetro 'remove'
Pgina 97 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
BW = imread('formas.tif');
BW2 = bwmorph(BW,'skel',Inf);
BW3 = bwmorph(BW2,'thicken');
BW4 = BW - BW3;
figure, imshow(BW)
figure, imshow(BW2)
figure, imshow(BW3)
figure, imshow(BW4)
Figura f.39 - Imagen original (BW) Figura f.72 - Imagen procesada (BW2)
con bwmorph parmetro 'skel infinito
Figura f.73 - Imagen procesada (BW3) Figura f.74 - Imagen procesada (BW4)
con bwmorph parmetro 'thicken'
I = imread('A.tif'); imshow(I);
I2 = imread('B.tif'); figure, imshow(I2);
Pgina 98 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
level = 0.20;
BW = im2bw(I, level);
BW2 = im2bw(I2, level);
% Calculamos el esqueleto.
Figura f.75 - Imagen original (I) del hueso Figura f.76 - Imagen original (I2) del hueso tras
aplicarle cido
Figura f.77 - Esqueleto (S) de la imagen original I Figura f.78 - Esqueleto (S2) de la imagen original I2
Funciones relacionadas
Pgina 99 de 410
Descripcin, comparacin y ejemplos de uso de las funciones de la toolbox de procesado digital de imgenes de MATLAB
bwpack
Empaquetado de una imagen binaria
Introduccin
Sintaxis
BWP = bwpack(BW)
Descripcin
BWP = bwpack(BW) empaqueta una imagen binaria BW en formato uint8 en un array BWP
en formato uint32 al que se le llama imagen binaria empaquetada. Como cada pixel en 8
bits solo puede valer 1 o 0, bwpack puede guardar cada pixel en un nico bit de la imagen
empaquetada de salida.
bwpack procesa los pxeles de la imagen por columnas, asignando grupos de 32 pxeles a
los bits de un dato uint32. Grupos de 32 pxeles se guardan en nmeros enteros de 32-bits.
BW puede ser del tipo numeric o logical, y debe ser 2-D, real, y no disperso. BWP es de
tipo uint32.
Ejemplos de uso
BW = imread('texto.tif');
imshow(BW)
BWP = bwpack(BW);
se = strel(eye(9), rot90(eye(9)));
BWPD = imdilate(BWP, se, 'ispacked');
BWD = bwunpack(BWPD);
figure, imshow(BWD)
Funciones relacionadas
bwperim
Clculo de los pxeles del permetro de los objetos de una imagen binaria
Sintaxis
BW2 = bwperim(BW1)
BW2 = bwperim(BW1, conn)
Descripcin
BW2 = bwperim(BW1) devuelve una imagen binaria solo con los pxeles del permetro de
los objetos de la imagen de entrada BW1. Un pixel forma parte del permetro si es distinto
de cero y est conectado a al menos un cero (fondo). La conectividad por defecto es de 4
para dos dimensiones, 6 para tres dimensiones y conndef(ndims(BW), 'minimal') para
mayores dimensiones, siempre referidas al fondo de la imagen.
Valor Significado
Conectividades Bidimensionales
4 Vecindad de 4 pxeles: Un par de
pxeles colindantes forman parte del
mismo objeto solo si estn activos y
conectados en vertical u horizontal.
Figura f.32 - vecindad 4
BW1 debe ser del tipo numeric o logical, y debe ser no disperso. BW2 es de tipo logical.
Ejemplos de uso
Ejemplo 1: Visualizar cmo bwperim calcula los pxeles del permetro encontrando los
pxeles distintos de 0 conectados a pxeles igual a 0, para diferentes conectividades.
bw = [ 0 0 0 0 0 0 0
0 0 1 1 1 0 0
0 1 1 1 1 1 0
0 1 1 1 1 1 0
0 1 1 1 1 1 0
0 0 1 1 1 0 0
0 0 0 0 0 0 0 ]
perim4 = bwperim(bw, 4)
perim8 = bwperim(bw, 8)
conn2 = [ 0 1 0
0 1 0
0 1 0 ];
bw =
0 0 0 0 0 0 0
0 0 1 1 1 0 0
0 1 1 1 1 1 0
0 1 1 1 1 1 0
0 1 1 1 1 1 0
0 0 1 1 1 0 0
0 0 0 0 0 0 0
perim4 =
0 0 0 0 0 0 0
0 0 1 1 1 0 0
0 1 0 0 0 1 0
0 1 0 0 0 1 0
0 1 0 0 0 1 0
0 0 1 1 1 0 0
0 0 0 0 0 0 0
perim8 =
0 0 0 0 0 0 0
0 0 1 1 1 0 0
0 1 1 0 1 1 0
0 1 0 0 0 1 0
0 1 1 0 1 1 0
0 0 1 1 1 0 0
0 0 0 0 0 0 0
perim2 =
0 0 0 0 0 0 0
0 0 1 1 1 0 0
0 1 0 0 0 1 0
0 0 0 0 0 0 0
0 1 0 0 0 1 0
0 0 1 1 1 0 0
0 0 0 0 0 0 0
Notar que como la conectividad se define para los pxeles de fondo (valor 0), con una
conectividad conn = 8 se obtiene unos pxeles con conectividad 4 en el permetro,
mientras que para una conectividad conn = 4 se obtiene unos pxeles con conectividad 8
en el permetro.
Ejemplo 1: Encontrar los pxeles del permetro de los objetos de una imagen.
BW1 = imread('circulos.tif');
BW2 = bwperim(BW1,8);
figure, imshow(BW1)
figure, imshow(BW2)
Figura f.48 - Imagen original (BW1) Figura f.79 - Imagen procesada (BW2) con bwperim
Funciones relacionadas
bwselect
Seleccin de objetos en una imagen binaria
Sintaxis
BW2 = bwselect(BW,c,r,n)
BW2 = bwselect(BW,n)
[BW2,idx] = bwselect(...)
BW2 = bwselect(x,y,BW,xi,yi,n)
[x,y,BW2,idx,xi,yi] = bwselect(...)
Descripcin
BW2 = bwselect(BW,c,r,n) devuelve una imagen binaria con todos los objetos de la
seleccionar las coordenadas (r,c) con el ratn. Si se omite BW, bwselect opera en a
imagen con los ejes en uso. Los puntos se aaden haciendo clic con el ratn y se borran
usando las teclas de retroceso o borrado. El ltimo punto se aade con un clic derecho o un
doble clic; presionando retroceso se finaliza la seleccin si aadir ningn punto.
coordenadas para BW1. xi e yi son escalares o vectores de igual longitud que especifican la
localizacin en este sistema de coordenadas.
y, la imagen de salida en BW2, los ndices lineales para todos los pxeles pertenecientes a
La imagen de entrada BW puede ser del tipo numeric o logical y debe ser 2-D y no
dispersa. La imagen de salida BW2 es de tipo logical.
Ejemplos de uso
BW1 = imread('texto.tif');
imshow(BW1);
c = [316 356];
r = [69 141];
BW2 = bwselect(BW1,c,r,4);
figure, imshow(BW2)
Figura f.80 - Imagen original (BW1) Figura f.81 - Imagen procesada (BW2) con bwselect
Funciones relacionadas
bwtraceboundary
Clculo de la frontera de un objeto en una imagen binaria
Sintaxis
B = bwtraceboundary(BW,P,fstep)
B = bwtraceboundary(BW,P,fstep,conn)
B = bwtraceboundary(...,N,dir)
Descripcin
binaria BW empezando desde las coordenadas en fila y columna del punto en la frontera
especificado en el vector de dos elementos P. Los pxeles distintos de cero forman parte de
un objeto y los pxeles de valor 0 constituyen el fondo. A diferencia de la funcin
bwboundaries, que calcula todas las fronteras de todos los objetos y huecos,
fstep es una cadena que especifica la direccin de bsqueda inicial para el siguiente pixel
de objeto conectado a P. Se usan cadenas como 'N' para Norte o 'NE' para Noreste, para
especificar la direccin. La siguiente figura ilustra todos los posibles valores que puede
tomar fstep.
frontera de la regin. B guarda las coordenadas fila y columna de los pxeles frontera.
se traza la frontera. conn puede tener cualquiera de los siguientes valores escalares:
Valor Significado
4 Vecindad de 4 pxeles.
Nota: Con esta conectividad, fstep est limitado a los siguientes valores:
'N', 'E', 'S', y 'W'.
y dir, la direccin en la que trazar la frontera. Cuando N vale Inf (infinito) (por defecto) el
algoritmo identifica todos los pxeles de la frontera. dir puede tener cualquiera de los
siguientes valores:
Valor Significado
'clockwise' Bsqueda en direccin de las agujas del reloj. (Por defecto)
'counterclockwise' Bsqueda en direccin contraria a las agujas del reloj.
BW puede ser del tipo numeric o logical y debe ser real, 2-D y no disperso. B, P, conn y N
Ejemplos de uso
BW = imread('circulos.tif');
imshow(BW)
dim = size(BW)
col = round(dim(2)/3);
row = min(find(BW(:,col)))
figure, imshow(BW)
hold on;
plot(boundary(:,2),boundary(:,1),'g','LineWidth',3);
BW_filled = imfill(BW,'holes');
boundaries = bwboundaries(BW_filled);
for k=1:10
b = boundaries{k};
plot(b(:,2),b(:,1),'g','LineWidth',3);
end
Figura f.83 - Imagen original (BW) con trazo de la Figura f.84 - Imagen original (BW) con trazo de la
frontera de un objeto frontera de todos los objetos
Funciones relacionadas
bwboundaries, bwperim
bwulterode
Erosin ltima de una imagen binaria
Sintaxis
BW2 = bwulterode(BW)
BW2 = bwulterode(BW,method,conn)
Descripcin
ltima es el resultado de varios procesos de erosin que paran justo antes de eliminar los
ltimos pxeles aislados. La erosin ltima de BW consiste en el mximo regional (pxeles
con un valor h tal que cada pixel en la vecindad del mximo tiene un valor menor que h) de
la Transformada de distancia eucldea del complemento de BW.
La conectividad por defecto para el calculo del mximo regional es 8 para 2 dimensiones,
26 para tres dimensiones y conndef(ndims(BW), 'maximal') para dimensiones mayores.
La conectividad del mximo regional definida en conn puede ser cualquiera de las
siguientes (siempre simtrica respecto su elemento central):
Valor Significado
Conectividades Bidimensionales
4 Vecindad de 4 pxeles: Un par de
pxeles colindantes forman parte del
mismo objeto solo si estn activos y
conectados en vertical u horizontal.
Figura f.32 - vecindad 4
6 Vecindad de 6 pxeles.
18 Vecindad de 18 pxeles.
26 Vecindad de 26 pxeles. (Por defecto)
BW puede ser del tipo numeric o logical y debe ser no disperso. Puede tener cualquier
Ejemplos de uso
BW = imread('cuadros.tif');
imshow(BW)
ultimateErosion = bwulterode(BW);
figure, imshow(ultimateErosion)
Funciones relacionadas
bwunpack
Desempaquetado de una imagen binaria
Sintaxis
BW = bwunpack(BWP,M)
Descripcin
primera fila de BWP al primer pixel en la primera fila de BW. El bit ms significativo del
primer elemento de BWP se asigna al primer pixel en la fila nmero 32 de BW, y as
sucesivamente. BW tiene un tamao de M-por-N, donde N es el nmero de columnas de BWP.
Si se omite M, el valor por defecto es 32*size(BWP,1).
BWP es de tipo uint32 y debe ser real, de 2-D y no dispersa. El valor devuelto por BW es de
tipo uint8.
Ejemplos de uso
BW = imread('texto.tif');
imshow(BW)
BWP = bwpack(BW);
se = strel(eye(9), rot90(eye(9)));
BWPD = imdilate(BWP, se, 'ispacked');
BWD = bwunpack(BWPD);
figure, imshow(BWD)
Funciones relacionadas
checkerboard
Creacin de una imagen con patrn de tablero de damas
Introduccin
Sintaxis
I = checkerboard
I = checkerboard(n)
I = checkerboard(n,p,q)
Descripcin
esquinas identificables. Cada cuadrado tiene 10 pxeles por lado. Los cuadrados claros en
la mitad izquierda del tablero son blancos y los cuadrados claros en la mitad derecha del
tablero son grises.
I = checkerboard(n) crea una imagen con patrn de tablero de damas donde cada
Ejemplos de uso
Ejemplo 1: Crear una imagen con patrn de tablero de damas donde el lado de cada
cuadrado sea de 20 pxeles de longitud.
I = checkerboard(20);
figure, imshow(I)
Ejemplo 2: Crear una imagen con patrn de tablero de damas con cuadrados de 10 pxeles
de lado, 2 filas o baldosas de 4 cuadrados de alto y 3 de ancho.
J = checkerboard(10,2,3);
figure, imshow(J)
Ejemplo 3: Crear una imagen con patrn de tablero de damas de color blanco y negro.
I = imread('A.tif');
imshow(I);
I2 = imread('B.tif');
hold on
h = imshow(I2); % guardamos el puntero para luego.
hold off
figure, imshow(I); figure, imshow(I2)
[M,N] = size(I2);
tambloques = 40;
P = ceil(M / tambloques);
Q = ceil(N / tambloques);
% El patrn creado tiene tamao mayor que la imagen porque usa cuatro
cuadrados por baldosa, as que lo reducimos al tamao de la imagen.
Figura f.89 - Imagen original (I) Figura f.90 - Imagen original (I2) Figura f.91 - Imagen procesada
[10]
combinada de I e I2
Funciones relacionadas
adapter.close
Cerrado de un objeto de clase ImageAdapter
Introduccin
ImageAdapter es una clase abstracta que especifica la interfaz para la lectura y escritura de
archivos por bloques o regiones, definiendo los mtodos que la funcin blockproc usar
para leer y escribir imgenes en el disco. Aunque la funcin blockproc solo admite
determinados tipos de archivos, se puede conseguir trabajar con otro tipo de imgenes
construyendo para ellos una clase que herede de la clase ImageAdapter y encapsule el
cdigo necesario.
Las clases ImageAdapter (para cada tipo de archivo) que heredan de la superclase
ImageAdapter deben implementar obligatoriamente los mtodos readRegion (lectura de
una regin de la imagen) y close (cerrar objeto ImageAdapter) para permitir una lectura
bsica de imgenes.
Sintaxis
adapter.close
Descripcin
necesaria como el cierre de los descriptores de archivo. Cuando se construye una clase que
hereda de la clase ImageAdapter se debe implementar este mtodo.
col2im
Reordenacin de las columnas de una matriz en bloques
Introduccin
La funcin im2col reordena bloques de una imagen en columnas, mientras que col2im
realiza la operacin complementaria. El uso de estas funciones es bastante confuso por lo
que se suele intentar evitarlas utilizando otras funciones ms avanzadas y especficas como
reshape, blockproc o nlfilter. Se recomienda consultar tambin la funcin im2col.
Sintaxis
Descripcin
con alguna funcin de compresin de columna (como sum o mean por ejemplo).
B puede ser del tipo numeric o logical. El valor devuelto A ser de la misma clase que B.
Ejemplos de uso
B =
1 5 9 13
2 6 10 14
3 7 11 15
4 8 12 16
A =
1 3 9 11
2 4 10 12
5 7 13 15
6 8 14 16
A = [1:10;11:20;21:30;31:40]
B = im2col(A,[2,5],'distinct')
C = col2im(B,[2,5],[4,10],'distinct')
A =
1 2 3 4 5 6 7 8 9 10
11 12 13 14 15 16 17 18 19 20
21 22 23 24 25 26 27 28 29 30
31 32 33 34 35 36 37 38 39 40
B =
1 21 6 26
11 31 16 36
2 22 7 27
12 32 17 37
3 23 8 28
13 33 18 38
4 24 9 29
14 34 19 39
5 25 10 30
15 35 20 40
C =
1 2 3 4 5 6 7 8 9 10
11 12 13 14 15 16 17 18 19 20
21 22 23 24 25 26 27 28 29 30
31 32 33 34 35 36 37 38 39 40
Funciones relacionadas
colfilt
Operaciones de vecindad en columnas - filtrado espacial no lineal
Introduccin
operar pero lo hace de forma ms rpida que nlfilter, por lo que suele ser la elegida en
la mayora de aplicaciones de procesado digital de imgenes. Solo se suele prescindir de
nlfilter cuando el filtrado puede aplicarse alternativamente con funciones especficas
como por ejemplo imfilter, ordfilt2 o spfilt que consumen mucha menos memoria.
Sintaxis
B = colfilt(A,[m n],block_type,fun)
B = colfilt(A,[m n],[mblock nblock],block_type,fun)
B = colfilt(A,'indexed',...)
Descripcin
una funcin (function handle). Si es necesario se usa la funcin colfilt para rellenar con
ceros la matriz A.
Antes de llamar a fun, colfilt llama a im2col para crear la matriz temporal. Despus,
colfilt recoloca las columnas de la matriz de nuevo en m-por-n bloques usando col2im.
block_type es una cadena que puede tener uno de los siguientes valores:
Valor Descripcin
'distinct' Recoloca cada bloque distinto de m-por-n de A en una columna de una
matriz temporal y despus le aplica la funcin fun que debe devolver una
matriz del mismo tamao que la matriz temporal. Luego colfilt recoloca
las columnas de la matriz devuelta por fun en m-por-n bloques diferentes.
'sliding' Usa una operacin de vecindad tipo
sliding que consiste en coger
sucesivamente bloques rectangulares de m-
por-n pxeles para cada pixel de entrada y
posteriormente obtener el pixel de salida
aplicando una funcin a los pxeles vecinos.
Recoloca cada bloque de m-por-n de A en
una columna de una matriz temporal y
despus le aplica la funcin fun. fun debe Figura f.92 - Bloques sliding
devolver un vector fila que contenga un para operaciones de vecindad tipo
valor individual para cada columna de la sliding
matriz temporal. (Funciones de compresin
de columnas como sum devuelven el tipo de
salida apropiado). colfilt finalmente
recoloca el vector devuelto por fun en una
matriz del mismo tamao que A.
Para evitar los problemas de bordes inherentes al filtrado espacial se debe rellenar con
ceros la imagen de entrada antes del filtrado. La mejor forma de hacerlo es mediante la
funcin padarray que para funciones en 2 dimensiones tiene la siguiente sintaxis: fp =
padarray(f, [r c], method, direction) donde f es la imagen de entrada, fp la de
La imagen de entrada A puede ser de cualquier clase que soporte fun. La clase de B
depende de la clase de la salida de fun.
Ejemplos de uso
Ejemplo 1: Asignar a cada pixel de salida el valor medio de la vecindad de 5-por-5 del
pixel (operacin de vecindad tipo sliding).
I = imread('rueda.tif');
figure, imshow(I)
I2 = uint8(colfilt(I,[5 5],'sliding',@mean));
figure, imshow(I2)
Figura f.93 - Imagen original (I) Figura f.94 - Imagen procesada (I2)
function v = gmean(A)
mn = size(A, 1); % la longitud de las columnas de A siempre es mn.
v = prod(A, 1).^(1/mn);
I = im2double(imread('rueda.tif')); imshow(I)
P = colfilt(I, [5 5], 'sliding', @gmean); figure, imshow(P)
Figura f.95 - Imagen procesada (P) Figura f.96 - Imagen procesada (P2)
No se aprecia muy bien la diferencia entra P y P2 pero la primera tiene un borde negro que
se come parte de la imagen mientras la segunda al tener un borde (relleno) de margen antes
de ser procesada, el borde del procesado le cae en el borde de margen y no en la imagen,
sin prdida de informacin. Esto es similar a lo que ocurre en el filtrado espacial lineal
aunque para evitarlo se puede hacer desde la propia funcin (imfilter).
Funciones relacionadas
conndef
Creacin de un array de conectividades
Sintaxis
conn = conndef(num_dims,type)
Descripcin
num_dims definido por type. Los valores que puede tomar type son los siguientes:
Valor Descripcin
'minimal' Define una vecindad cuyos vecinos estn tocando el elemento central de una
superficie de dimensin (N-1) para el caso de dimensin N.
'maximal' Define una vecindad que incluye a vecinos que tocan el elemento central de
cualquier manera.
Varias funciones de la toolbox para el Procesado de Imgenes usan esta funcin para crear
la conectividad por defecto del argumento de entrada.
Ejemplos de uso
% Conectividad mnima. Vemos como incluye a los vecinos que estn tocando
el elemento central a lo largo de una lnea.
Connmin = conndef(2,'minimal')
% Conectividad mxima. Vemos como incluye a todos los vecinos que tocan
al elemento central.
Connmax = conndef(2,'maximal')
Connmin =
0 1 0
1 1 1
0 1 0
Connmax =
1 1 1
1 1 1
1 1 1
convmtx2
Matriz de convolucin en 2-D
Sintaxis
T = convmtx2(H,m,n)
T = convmtx2(H,[m n])
Descripcin
Las variables de entrada son de tipo double. La matriz de salida T es de tipo sparse o
disperso. El nmero de elementos distintos de cero en T no es mayor que
prod(size(H))*m*n.
Esta matriz se puede usar en una multiplicacin de matrices/vectores para realizar una
convolucin en 2 dimensiones.
% Calculamos la convolucin de A y B.
A = rand(10); B = rand(10);
C = conv2(A,B);
D = convmtx2(A,10,10);
E = reshape(D*reshape(B,100,1),19,19);
isequal(C,E)
ans =
1
Funciones relacionadas
conv2
corner
Bsqueda de los puntos esquina de una imagen
Introduccin
Las funciones corner y cornermetric detectan las esquinas de una imagen. En mayora
de aplicaciones es mejor usar la funcin corner para encontrar las esquinas en un solo
paso. Si se quiere ms control sobre la seleccin de esquinas es mejor usar la funcin
cornermetric que calcula una matriz de medida de esquinas y despus se puede utilizar
Sintaxis
C = corner(I)
C = corner(I, method)
C = corner(I, N)
C = corner(I, method, N)
C = corner(..., Name,Valor)
Descripcin
Valor Descripcin
'Harris' Detector de esquinas Harris. (Por defecto)
'MinimumEigenValor' Mtodo del mnimo valor eigen de Shi & Tomasi.
esquinas.
Parmetro Descripcin
'SensitivityFactor' Valor escalar K donde 0 < K < 0.25 y que especifica el factor
de sensibilidad a usar en el algoritmo de deteccin Harris.
Cuanto menor sea el valor de K, el algoritmo detectar mejor las
esquinas puntiagudas. Usar este parmetro solo con el mtodo
'Harris'.
(Por defecto: 0.04)
Ejemplos de uso
Ejemplo 1: Encontrar y mostrar las esquinas en una imagen patrn de tablero de ajedrez.
I = checkerboard(50,2,2);
C = corner(I);
imshow(I)
hold on
plot(C(:,1), C(:,2), 'r*');
Funciones relacionadas
cornermetric
cornermetric
Creacin de una matriz de medida de esquinas a partir de una imagen
Descripcin
Valor Descripcin
'Harris' Detector de esquinas Harris. (Por defecto)
'MinimumEigenValor' Mtodo del mnimo valor eigen de Shi & Tomasi.
Parmetro Descripcin
'FilterCoefficients' Un vector V de coeficientes del filtro para el filtro de suavizado
separable. El filtro completo se obtiene mediante el producto
V*V'. Vlido para los mtodos 'Harris' y
'MinimumEigenValor'
(Por defecto: fspecial('gaussian',[5 1],1.5))
'SensitivityFactor' Valor escalar K donde 0 < K < 0.25 y que especifica el factor
de sensibilidad a usar en el algoritmo de deteccin Harris.
Cuando menor sea el valor de K, el algoritmo detectar mejor las
esquinas puntiagudas. Usar este parmetro solo con el mtodo
'Harris'.
(Por defecto: 0.04)
Ejemplos de uso
Ejemplo 1: Encontrar y mostrar las esquinas en una imagen patrn de tablero de ajedrez.
I = checkerboard(50,2,2);
imshow(I)
CM = cornermetric(I);
corner_peaks = imregionalmax(CM);
% Encontramos su posicin.
hold on
plot(crow, ccol, 'r*');
Funciones relacionadas
corr2
Coeficiente de correlacin en 2-D
Sintaxis
r = corr2(A,B)
Descripcin
A y B pueden ser tipo numeric o logical. El valor devuelto r es un escalar tipo double.
Ejemplos de uso
I = imread('pout.tif');
J = medfilt2(I);
R = corr2(I,J)
R =
0.9959
Funciones relacionadas
std2, corrcoef
cp2tform
Deduccin de la matriz de transformacin a partir de pares de puntos de
control
Introduccin
La IPT soporta el registro de imgenes basado en el uso de puntos de control, que son un
subconjunto de pxeles cuyas localizaciones en ambas imgenes a alinear se pueden
seleccionar de forma interactiva mediante la funcin cpselect. Una vez seleccionado un
nmero suficiente de puntos, la funcin cp2tform se encarga de obtener la matriz de
transformacin que permitir luego la alineacin de las imgenes transformando
inversamente la imagen distorsionada mediante la funcin imtransform.
Sintaxis
Descripcin
contiene las matrices de puntos de control para la imagen de entrada y la imagen base. Se
usa la herramienta de seleccin cpselect para crear la estructura CPSTRUCT.
transformacin tipo 'lwm' donde N especifica el nmero de puntos usados para deducir
cada polinomio. Los N puntos ms cercanos se usan para deducir un polinomio de orden 2
para cada par de punto de control. Si se omite N, por defecto es 12. N puede ser mnimo 6,
pero hacerlo pequeo tiene riesgo de generar polinomios condicionados de forma
incorrecta.
transformacin tipo 'piecewise linear'. Devuelve los puntos de control usados en las
variables input_points y base_points, y devuelve los puntos de control eliminados
cuando no tienen un orden apropiado.
Ejemplos de uso
Ejemplo 1: Alinear una imagen original con la misma imagen a la que se la ha aplicado
una rotacin. Usamos cp2tform para obtener la matriz de transformacin.
I1 = imread('calatrava.tif');
I2 = imrotate(I1, -10, 'bilinear');
% Comparamos resultados.
figure('menu','none')
subplot(131), imshow(I1), title('I1')
subplot(132), imshow(I2), title('I2')
subplot(133), imshow(II2), title('I2 (alineada)')
Funciones relacionadas
cpcorr
Afinado de la localizacin de los puntos de control mediante correlacin
cruzada
Sintaxis
Descripcin
una correlacin cruzada normalizada para ajustar cada par de puntos de control de las
imgenes de entrada y referencia input y base especificados en las variables
input_points_in y base_points_in.
input_points_in debe ser una matriz M-por-2 de clase double que contiene las
cpcorr devuelve los puntos de control ajustados en la variable input_points, una matriz
de tipo double del mismo tamao que input_points_in. Si cpcorr no puede hacer la
correlacin de una pareja de puntos de control, input_points contendr las mismas
coordenadas que input_points_in para ese par.
cpcorr es fiable en la seleccin y adquisicin de los puntos de control pero las imgenes
de entrada y referencia input y base deben tener la misma escala para que cpcorr sea
efectiva.
Las imgenes de entrada y de referencia input y base pueden ser del tipo numeric y
deben tener valores finitos. Los pares de puntos de control son de tipo double.
Ejemplos de uso
Ejemplo 1: Utilizar cpcorr para ajustar los puntos de control seleccionados en una imagen
RGB. Mostrar la diferencia de valores obtenidos en cada caso.
I1 = imread('calatrava.tif');
I2 = imrotate(I1, -10, 'bilinear');
input_points =
388.2500 131.2500
356.7500 306.7500
342.7500 388.2500
base_points =
266.7500 86.7500
266.2500 264.7500
268.7500 346.7500
input_points_adj =
387.6500 131.4500
356.7500 306.7500
345.2500 387.7500
Funciones relacionadas
cpselect
Herramienta de seleccin de puntos de control en imgenes
Introduccin
Sintaxis
cpselect(input, base)
cpselect(input, base, CPSTRUCT_IN)
cpselect(input, base, xyinput_in, xybase_in)
h = cpselect(input, base,...)
cpselect(...,param1, val1,...)
Descripcin
interfaz de usuario que permite seleccionar puntos de control en dos imgenes relacionadas
imagen de entrada (normalmente distorsionada) e imagen base o referencia. La imagen de
entrada o input es la imagen que necesita ser transformada para ponerla en el sistema de
coordenadas de la imagen original o base. input y base pueden ser ambas variables que
contengan imgenes en escala de grises, en color verdadero o imgenes binarias, o cadenas
que identifiquen archivos que contengan esas imgenes. La herramienta de seleccin de
puntos de control devuelve los puntos de control en una estructura CPSTRUCT.
inicial de puntos de control guardados en las variables xyinput_in e xybase_in que son
matrices m-por-2 con las coordenadas de las imgenes input y base respectivamente.
Parmetro Descripcin
'Wait' Escalar en formato Logical que controla si cpselect espera a que el
usuario cierre la herramienta para finalizar la seleccin de puntos de control.
Si se deja en false (por defecto) se puede ejecutar cpselect al mismo
tiempo que se ejecutan otros programas en MATLAB. Si se pone a true, se
debe finalizar la tarea de seleccin para continuar con la ejecucin del
programa y de cualquier otra cosa en MATLAB.
Cuando 'Wait' se pone a true, cpselect devuelve los pares de puntos
seleccionados, no un puntero a la herramienta:
[xyinput_out, xybase_out] = cpselect(...,'Wait', true)
donde xyinput_out y xybase_out son matrices de P-por-2 que guardan las
coordenadas de entrada y de referencia respectivamente.
Las imgenes pueden ser en escala de grises, color verdadero o binarias. Una imagen en
escala de grises puede ser de tipo uint8, uint16, int16, single, o double. Una imagen
en color verdadero puede ser uint8, uint16, single, o double. Una imagen binaria tiene
que ser de tipo logical.
Ejemplos de uso
I = checkerboard;
J = imrotate(I,30);
base_points = [11 11; 41 71];
input_points = [14 44; 70 81];
cpselect(J, I, input_points, base_points);
I = checkerboard;
J = imrotate(I,30);
cpselect(J, I);
[input_points,base_points] = cpstruct2pairs(cpstruct)
I1 = imread('calatrava.tif');
I1 = rgb2gray(I1);
I2 = imrotate(I1, -10, 'bilinear', 'crop');
Funciones relacionadas
cpstruct2pairs
Conversin de la estructura CPSTRUCT a un par de puntos de control
vlidos
Sintaxis
Descripcin
Ejemplos de uso
I = checkerboard;
J = imrotate(I,30);
cpselect(J, I);
[input_points,base_points] = cpstruct2pairs(cpstruct)
Funciones relacionadas
dct2
Transformada de Coseno discreta en 2-D
Introduccin
La Transformada de Coseno Discreta (DCT) representa una imagen como una suma de
sinusoides de magnitudes y frecuencias oscilantes. La DCT tiene la propiedad de que para
una imagen corriente, la mayora de informacin o energa importante para su
visualizacin se localiza solo en unos pocos coeficientes de la DCT. Por eso es la
transformada ms utilizada en los estndares de compresin de imgenes, como en la
compresin JPEG.
Sintaxis
B = dct2(A)
B = dct2(A,m,n)
B = dct2(A,[m n])
Descripcin
B = dct2(A,m,n) rellena la matriz A con ceros hasta el tamao m-por-n antes de realizar la
A puede ser del tipo numeric o logical. La matriz devuelta B es de clase double.
Ejemplos de uso
RGB = imread('autumn.tif');
imshow(RGB)
I = rgb2gray(RGB);
J = dct2(I);
figure, imshow(log(abs(J)),[]), colormap(jet(64)), colorbar;
Figura f.107 - Imagen original (RGB) Figura f.108 - Energa de la imagen procesada J
Funciones relacionadas
dctmtx
Matriz DCT (Transformada de coseno discreta)
Introduccin
La Transformada de Coseno Discreta (DCT) representa una imagen como una suma de
sinusoides de magnitudes y frecuencias oscilantes. La DCT tiene la propiedad de que para
una imagen corriente, la mayora de informacin o energa importante para su
visualizacin se localiza solo en unos pocos coeficientes de la DCT. Por eso es la
transformada ms utilizada en los estndares de compresin de imgenes, como en la
compresin JPEG.
Sintaxis
D = dctmtx(n)
Descripcin
Para una matriz A de n-por-n, D*A ser una matriz de n-por-n cuyas columnas contendrn la
DCT unidimensional de las columnas de A. D'*A es la DCT unidimensional inversa de las
columnas de A.
La DCT bidimensional de A se puede calcular como B=D*A*D'. Como D es una matriz real
ortonormal, su inversa es igual a su traspuesta, luego la DCT inversa bidimensional de B
ser D'*B*D.
Ejemplos de uso
RGB = imread('autumn.tif');
imshow(RGB)
I = rgb2gray(RGB);
A = im2double(I);
D = dctmtx(size(A,1));
dct = D*A*D';
figure, imshow(dct)
Figura f.107 - Imagen original (RGB) Figura f.109 - Energa de la imagen procesada J
Funciones relacionadas
dct2
deconvblind
Aclarado de una imagen borrosa (deblurring) usando deconvolucin
ciega
Introduccin
La IPT incluye cuatro funciones para el aclarado de imgenes borrosas (deblurring o anti-
desenfoque) listadas a continuacin en orden de mayor a menor complejidad:
El efecto borroso en una imagen puede deberse a muchos factores: movimiento durante la
toma o captura de la imagen, debido a un largo periodo de exposicin, ptica desenfocada,
luz difusa, etc. Un modelo aproximado para describir a una imagen borrosa es el siguiente:
g = Hf + n, donde:
g = Imagen borrosa
Basndonos en este modelo, la tarea fundamental para aclarar una imagen borrosa consiste
en deconvolucionar la imagen con el operador de dispersin PSF que describa exactamente
su distorsin. La deconvolucin es el proceso para revertir el efecto de la convolucin. La
calidad de la imagen aclarada depende principalmente del conocimiento del operador de
Todas las funciones destinadas al aclarado de una imagen borrosa en la IPT aceptan como
entrada un operador de dispersin PSF y una imagen borrosa a restaurar. Las funciones
deconvwnr y deconvreg necesitan informacin a cerca del ruido para poder reducir la
posible amplificacin del ruido durante el proceso de enfoque o aclarado. Por otro lado, la
funcin deconvlucy realiza mltiples iteraciones con tcnicas de optimizacin y
estadsticas de Poisson y no necesita tener informacin a cerca del ruido aditivo de la
imagen degradada, al igual que la funcin deconvblind, que restaura la imagen sin el
conocimiento del operador de dispersin (deconvolucin ciega) basndose en una
estimacin inicial que se le pasa como parmetro e iterando de la misma manera que la
funcin deconvlucy. En cualquiera de los casos siempre se tendr que iterar varias veces y
observar los resultados intermedios para encontrar la mejor aproximacin a la imagen
original.
Sintaxis
Descripcin
inicial INITPSF que por sus valores y por ello se debe especificar INITPSF como un array
de unos. I puede ser un array N-dimensional.
(en trminos de la desviacin estndar del ruido de Poisson) por debajo del cual se produce
amortiguacin. Se suprimen las iteraciones para los pxeles que se desvan DAMPAR del
valor original. Esto elimina la generacin de ruido en esos pxeles y mantiene los detalles
de la imagen en el resto. El valor por defecto es 0 (sin amortiguacin).
varianza del ruido de lectura (Read out noise) de la cmara. READOUT debe estar en las
unidades de la imagen y su valor por defecto es 0.
A FUN se le llama al final de cada iteracin. FUN debe aceptar al operador de dispersin PSF
como primer argumento y puede aceptar parmetros adicionales P1, P2,..., PN. La funcin
FUN debe devolver un argumento, PSF, que tenga el mismo tamao que el PSF original y
I e INITPSF pueden ser tipo uint8, uint16, int16, single, o double. DAMPAR y READOUT
deben ser del mismo tipo que la imagen de entrada. El resto de variables de entrada deben
ser de tipo double. La imagen de salida J (o el primer array de la matriz de celdas de
salida) tiene el mismo tipo que la imagen de entrada I. La variable de salida PSF es de tipo
double.
Ejemplos de uso
I = checkerboard(8);
PSF = fspecial('gaussian',7,10);
V = .0001;
BlurredNoisy = imnoise(imfilter(I,PSF),'gaussian',0,V);
INITPSF = ones(size(PSF));
[J P] = deconvblind(BlurredNoisy,INITPSF,20,10*sqrt(V),WT);
subplot(221);imshow(BlurredNoisy)
title('Imagen original Ruidosa y Borrosa');
subplot(222);imshow(PSF,[])
title('Coeficiente PSF verdadero');
subplot(223);imshow(J)
title('Imagen final aclarada');
subplot(224);imshow(P,[])
title('Coeficiente PSF recuperado');
Funciones relacionadas
deconvlucy
Aclarado de una imagen usando el mtodo Lucy-Richardson
Introduccin
La IPT incluye cuatro funciones para el aclarado de imgenes borrosas (deblurring o anti-
desenfoque) listadas a continuacin en orden de mayor a menor complejidad:
Todas las funciones destinadas al aclarado de una imagen borrosa en la IPT aceptan como
entrada un operador de dispersin PSF y una imagen borrosa a restaurar. Las funciones
deconvwnr y deconvreg necesitan informacin a cerca del ruido para poder reducir la
posible amplificacin del ruido durante el proceso de enfoque o aclarado. Por otro lado, la
funcin deconvlucy realiza mltiples iteraciones con tcnicas de optimizacin y
estadsticas de Poisson y no necesita tener informacin a cerca del ruido aditivo de la
imagen degradada, al igual que la funcin deconvblind, que restaura la imagen sin el
conocimiento del operador de dispersin (deconvolucin ciega) basndose en una
estimacin inicial que se le pasa como parmetro e iterando de la misma manera que la
funcin deconvlucy. En cualquiera de los casos siempre se tendr que iterar varias veces y
observar los resultados intermedios para encontrar la mejor aproximacin a la imagen
original.
Sintaxis
J = deconvlucy(I, PSF)
J = deconvlucy(I, PSF, NUMIT)
J = deconvlucy(I, PSF, NUMIT, DAMPAR)
J = deconvlucy(I, PSF, NUMIT, DAMPAR, WEIGHT)
J = deconvlucy(I, PSF, NUMIT, DAMPAR, WEIGHT, READOUT)
J = deconvlucy(I, PSF, NUMIT, DAMPAR, WEIGHT, READOUT, SUBSMPL)
Descripcin
J = deconvlucy(I, PSF) arregla una imagen I que ha sido degradada debido a una
en la variable NUMIT.
J = deconvlucy(I, PSF, NUMIT, DAMPAR, WEIGHT) especifica el peso que tendrn los
array (o valor) correspondiente al ruido aditivo (p.ej. de fondo) y la varianza del ruido de
lectura de la cmara. READOUT debe estar en las mismas unidades que la imagen y su valor
por defecto es 0.
Si I es una matriz de celdas, esta puede contener un array numrico nico (la imagen
borrosa) o puede ser la salida de una llamada anterior a la funcin deconvlucy. Cuando se
le pasa una matriz de celdas como entrada, devuelve un array de celdas J de 1-por-4 en el
que:
I y PSF pueden ser tipo uint8, uint16, int16, single, o double. DAMPAR y READOUT
deben ser del mismo tipo que la imagen de entrada. El resto de variables de entrada deben
ser de tipo double. La imagen de salida J (o el primer array de la matriz de celdas de
salida) tiene el mismo tipo que la imagen de entrada I.
Ejemplos de uso
Ejemplo 1: Aclarar una imagen borrosa debido a ruido gaussiano utilizando el mtodo
Lucy-Richardson y comparar el resultado final e inicial utilizando varios parmetros de la
funcin.
I = checkerboard(8);
PSF = fspecial('gaussian',7,10);
V = .0001;
BlurredNoisy = imnoise(imfilter(I,PSF),'gaussian',0,V);
WT = zeros(size(I));
WT(5:end-4,5:end-4) = 1;
J1 = deconvlucy(BlurredNoisy,PSF);
J2 = deconvlucy(BlurredNoisy,PSF,20,sqrt(V));
J3 = deconvlucy(BlurredNoisy,PSF,20,sqrt(V),WT);
subplot(221);imshow(BlurredNoisy)
title('Imagen original Ruidosa y Borrosa');
subplot(222);imshow(J1)
title('deconvlucy(A,PSF)');
subplot(223);imshow(J2)
title('deconvlucy(A,PSF,NI,DP)');
subplot(224);imshow(J3)
title('deconvlucy(A,PSF,NI,DP,WT)');
Funciones relacionadas
deconvreg
Aclarado de una imagen usando el mtodo del filtro normalizado
Introduccin
La IPT incluye cuatro funciones para el aclarado de imgenes borrosas (deblurring o anti-
desenfoque) listadas a continuacin en orden de mayor a menor complejidad:
Todas las funciones destinadas al aclarado de una imagen borrosa en la IPT aceptan como
entrada un operador de dispersin PSF y una imagen borrosa a restaurar. Las funciones
deconvwnr y deconvreg necesitan informacin a cerca del ruido para poder reducir la
posible amplificacin del ruido durante el proceso de enfoque o aclarado. Por otro lado, la
funcin deconvlucy realiza mltiples iteraciones con tcnicas de optimizacin y
estadsticas de Poisson y no necesita tener informacin a cerca del ruido aditivo de la
imagen degradada, al igual que la funcin deconvblind, que restaura la imagen sin el
conocimiento del operador de dispersin (deconvolucin ciega) basndose en una
estimacin inicial que se le pasa como parmetro e iterando de la misma manera que la
funcin deconvlucy. En cualquiera de los casos siempre se tendr que iterar varias veces y
observar los resultados intermedios para encontrar la mejor aproximacin a la imagen
original.
Sintaxis
J = deconvreg(I, PSF)
J = deconvreg(I, PSF, NOISEPOWER)
J = deconvreg(I, PSF, NOISEPOWER, LRANGE)
J = deconvreg(I, PSF, NOISEPOWER, LRANGE, REGOP)
[J, LAGRA] = deconvreg(I, PSF,...)
Descripcin
Por defecto es 0.
I puede ser de tipo uint8, uint16, int16, single, o double. El resto de parmetros de
Ejemplos de uso
Ejemplo 1: Aclarar una imagen borrosa debido a ruido gaussiano utilizando el mtodo del
filtro normalizado y comparar el resultado final e inicial utilizando varios parmetros de la
funcin.
I = checkerboard(8);
PSF = fspecial('gaussian',7,10);
V = .01;
BlurredNoisy = imnoise(imfilter(I,PSF),'gaussian',0,V);
NOISEPOWER = V*prod(size(I));
[J LAGRA] = deconvreg(BlurredNoisy,PSF,NOISEPOWER);
subplot(221); imshow(BlurredNoisy)
title('Imagen original Ruidosa y Borrosa');
subplot(222); imshow(J)
title('[J LAGRA] = deconvreg(A,PSF,NP)');
subplot(223); imshow(deconvreg(BlurredNoisy,PSF,[],LAGRA/10))
title('deconvreg(A,PSF,[],0.1*LAGRA)');
subplot(224); imshow(deconvreg(BlurredNoisy,PSF,[],LAGRA*10))
title('deconvreg(A,PSF,[],10*LAGRA)');
Funciones relacionadas
deconvwnr
Aclarado de una imagen usando un filtro Wiener
Introduccin
La IPT incluye cuatro funciones para el aclarado de imgenes borrosas (deblurring o anti-
desenfoque) listadas a continuacin en orden de mayor a menor complejidad:
Todas las funciones destinadas al aclarado de una imagen borrosa en la IPT aceptan como
entrada un operador de dispersin PSF y una imagen borrosa a restaurar. Las funciones
deconvwnr y deconvreg necesitan informacin a cerca del ruido para poder reducir la
posible amplificacin del ruido durante el proceso de enfoque o aclarado. Por otro lado, la
funcin deconvlucy realiza mltiples iteraciones con tcnicas de optimizacin y
estadsticas de Poisson y no necesita tener informacin a cerca del ruido aditivo de la
imagen degradada, al igual que la funcin deconvblind, que restaura la imagen sin el
conocimiento del operador de dispersin (deconvolucin ciega) basndose en una
estimacin inicial que se le pasa como parmetro e iterando de la misma manera que la
funcin deconvlucy. En cualquiera de los casos siempre se tendr que iterar varias veces y
observar los resultados intermedios para encontrar la mejor aproximacin a la imagen
original.
Sintaxis
J = deconvwnr(I,PSF,NSR)
J = deconvwnr(I,PSF,NCORR,ICORR)
Descripcin
coeficiente de seal a ruido del ruido aditivo y puede ser un escalar o un array del mismo
tamao que I. Dar a NSR un valor de 0 es equivalente a crear un filtro inverso ideal.
I puede ser del tipo uint8, uint16, int16, single, o double. El resto de entradas deben
Ejemplos de uso
Ejemplo 1: Aclarar una imagen borrosa debido a desenfoque por movimiento y a ruido
gaussiano utilizando el filtro Wiener y comparar el resultado final e inicial. Utilizar el filtro
directamente suponiendo que no hay ruido y tambin estimando el posible ruido.
I = im2double(imread('cameraman.tif'));
subplot(221); imshow(I)
title('Imagen Original');
LEN = 21;
THETA = 11;
PSF = fspecial('motion', LEN, THETA);
blurred = imfilter(I, PSF, 'conv', 'circular');
noise_mean = 0;
noise_var = 0.0001;
blurred_noisy = imnoise(blurred, 'gaussian', noise_mean, noise_var);
subplot(222); imshow(blurred_noisy)
title('Simular Ruido y Desenfoque')
estimated_nsr = 0;
wnr2 = deconvwnr(blurred_noisy, PSF, estimated_nsr);
subplot(223); imshow(wnr2)
title('Restauracin usando NSR = 0')
Funciones relacionadas
decorrstretch
Descorrelacin (decorrelation stretch) en una imagen multicanal
Introduccin
Sintaxis
S = decorrstretch(I)
S = decorrstretch(I, 'TOL', TOL )
Descripcin
de decorrelation stretch. La mejora del contraste se controla con la variable TOL. TOL debe
estar entre 0 y 0.5.
La imagen de entrada debe de ser de tipo uint8, uint16, int16, single, o double.
Ejemplos de uso
I = imread('earth.tif');
S = decorrstretch(I,'TOL',0.01);
S2 = decorrstretch(I,'TOL',0.1);
TOL = [0.01 0.2];
S3 = decorrstretch(I,'TOL',TOL);
figure, imshow(I)
figure, imshow(S)
figure, imshow(S2)
figure, imshow(S3)
IS = imread('altamira.tif');
SS = decorrstretch(IS,'TOL',0.01);
figure, imshow(IS)
figure, imshow(SS)
Figura f.114 - Imagen original (I) Figura f.115 - Imagen procesada (S)
Figura f.116 - Imagen procesada (S2) Figura f.117 - Imagen procesada (S3)
Figura f.118 - Imagen original (IS) Figura f.119 - Imagen procesada (SS)
Funciones relacionadas
imadjust, stretchlim
demosaic
Conversin de una imagen en formato patrn Bayer a color verdadero
Introduccin
El filtro, mscara o mosaico de Bayer (o filtro de color) es un tipo de matriz de filtros rojos
verdes y azules, que se sita sobre un sensor digital de imagen para hacer llegar a cada
fotodiodo la informacin de luminosidad correspondiente a una seccin de los distintos
colores primarios. Interpolando las muestras de cuatro fotodiodos vecinos se obtiene un
pixel de color. El mosaico de Bayer est formado por un 50% de filtros verdes, un 25% de
rojos y un 25% de azules. Interpolando dos muestras verdes, una roja y una azul se obtiene
un pixel de color. La razn de que se use mayor cantidad de puntos verdes es que el ojo
humano es ms sensible a ese color. [11]
Sintaxis
Descripcin
sensorAlignment es una de las siguientes cadenas de texto que define el patrn Bayer.
Cada cadena representa el orden de los sensores rojos, verdes y azules describiendo los
cuatro pxeles en la esquina superior izquierda de la imagen (de izquierda a derecha y de
arriba a abajo):
'grbg'
'bggr'
'rggb'
I puede ser uint8 o uint16, y debe ser real. RGB es del mismo tipo que I.
Ejemplos de uso
Ejemplo 1: Convertir una imagen codificada con un patrn Bayer que ha sido tomada por
una cmara de fotos con una alineacin del sensor del tipo 'bggr'.
I = imread('mandi.tif');
J = demosaic(I,'bggr');
imshow(I)
figure, imshow(J)
dicomanon
Anonimizar un archivo DICOM
Introduccin
Sintaxis
dicomanon(file_in, file_out)
dicomanon(..., 'keep', FIELDS)
dicomanon(..., 'update', ATTRS)
Descripcin
DICOM especificado en file_in y crea un nuevo archivo file_out con los valores
modificados. El resto de informacin no se modifica.
de los que estn listados en el array FIELDS, que es un array de celdas con nombres de
campo. Esta sintaxis es til para mantener los metadatos que no identifican al paciente de
forma nica pero que son tiles para el diagnstico (p.ej., PatientAge (edad del paciente),
PatientSex (sexo del paciente), etc.).
estructura cuyos campos son los nombres de los atributos a conservar. Usar esta sintaxis
para mantener la jerarqua Estudios/Series/Imgenes o para reemplazar un valor especfico
con una propiedad ms genrica (p.ej., eliminar la fecha de nacimiento del paciente
(PatientBirthDate) manteniendo su edad (PatientAge)).
Ejemplos de uso
dicomanon('patient.dcm', 'anonymized.dcm')
Valors.StudyInstanceUID = dicomuid;
Valors.SeriesInstanceUID = dicomuid;
d = dir('*.dcm');
for p = 1:numel(d)
dicomanon(d(p).name, sprintf('anon%d.dcm', p), ...
'update', Valors)
end
Funciones relacionadas
dicominfo, dicomwrite
dicomdict
Conseguir o activar los datos del diccionario DICOM
Introduccin
Sintaxis
dicomdict('set',dictionary)
dictionary = dicomdict('get')
dicomdict('factory')
Descripcin
variable dictionary, una cadena que contiene el nombre de archivo del diccionario. Las
funciones utilizadas en el formato DICOM usan este diccionario por defecto a menos que
se especifique otro diccionario desde la lnea de comandos.
Ejemplos de uso
dictionary = dicomdict('get')
Funciones relacionadas
dicominfo
Lectura de metadatos de un archivo DICOM
Sintaxis
info = dicominfo(filename)
info = dicominfo(filename, 'dictionary', D)
Descripcin
Ejemplos de uso
info = dicominfo('CT-MONO2-16-ankle.dcm')
info =
Filename: [1x75 char]
FileModDate: '18-dic-2000 12:06:42'
FileSize: 525436
Format: 'DICOM'
FormatVersion: 3
Width: 512
Height: 512
BitDepth: 16
ColorType: 'grayscale'
FileMetaInformationGroupLength: 192
FileMetaInformationVersion: [2x1 uint8]
MediaStorageSOPClassUID: '1.2.840.10008.5.1.4.1.1.7'
MediaStorageSOPInstanceUID:
'1.2.840.113619.2.1.2411.1031152382.365.1.736169244'
TransferSyntaxUID: '1.2.840.10008.1.2'
ImplementationClassUID: '1.2.840.113619.6.5'
ImplementationVersionName: '1_2_5'
SourceApplicationEntityTitle: 'CTN_STORAGE'
IdentifyingGroupLength: 414
ImageType: 'DERIVED\SECONDARY\3D'
SOPClassUID: '1.2.840.10008.5.1.4.1.1.7'
SOPInstanceUID:
'1.2.840.113619.2.1.2411.1031152382.365.1.736169244'
StudyDate: '1993.04.30'
SeriesDate: '1993.04.30'
ContentDate: '1993.04.30'
StudyTime: '11:27:24'
SeriesTime: '11:27:24'
ContentTime: '11:27:24'
Modality: 'CT'
ConversionType: 'WSD'
Manufacturer: 'GE MEDICAL SYSTEMS'
InstitutionName: 'JFK IMAGING CENTER'
ReferringPhysicianName: [1x1 struct]
StationName: 'CT01OC0'
StudyDescription: 'RT ANKLE'
PhysicianReadingStudy: [1x1 struct]
OperatorName: [1x1 struct]
ManufacturerModelName: 'GENESIS_ZEUS'
PatientGroupLength: 18
PatientName: [1x1 struct]
AcquisitionGroupLength: 10
SoftwareVersion: '03'
RelationshipGroupLength: 134
StudyInstanceUID:
'1.2.840.113619.2.1.1.322987881.621.736170080.681'
SeriesInstanceUID:
'1.2.840.113619.2.1.2411.1031152382.365.736169244'
SeriesNumber: 365
InstanceNumber: 1
ImagePresentationGroupLength: 168
SamplesPerPixel: 1
PhotometricInterpretation: 'MONOCHROME2'
Rows: 512
Columns: 512
BitsAllocated: 16
BitsStored: 16
HighBit: 15
PixelRepresentation: 1
SmallestImagePixelValue: 0
PixelPaddingValue: 0
WindowCenter: 1024
WindowWidth: 4095
RescaleIntercept: -1024
RescaleSlope: 1
RescaleType: 'US'
PixelDataGroupLength: 524296
Funciones relacionadas
dicomlookup
Encontrar un atributo en el diccionario de datos DICOM
Sintaxis
Descripcin
DICOM usando las etiquetas de grupo y elemento especificadas en las variables group y
element y devuelve una cadena que contiene el nombre del atributo. Las variables group y
name en el diccionario de datos DICOM actual y devuelve las etiquetas asociadas con el
Ejemplos de uso
Ejemplo 1: Buscar algunos nombres de atributos DICOM utilizando sus etiquetas de grupo
y elemento.
name1 =
PixelData
name2 =
PhotometricInterpretation
group =
2
element =
16
metadata = dicominfo('CT-MONO2-16-ankle.dcm');
metadata.(dicomlookup('0028', '0004'))
ans =
MONOCHROME2
Funciones relacionadas
dicomdict, dicominfo
dicomread
Lectura de una imagen DICOM
Sintaxis
X = dicomread(filename)
X = dicomread(info)
[X,map] = dicomread(...)
[X,map,alpha] = dicomread(...)
[X,map,alpha,overlays] = dicomread(...)
[...] = dicomread(filename, 'frames', v)
Descripcin
X = dicomread(info) lee los datos de imagen desde la variable info, una estructura de
map. Si X es una imagen en escala de grises o en color verdadero, la variable map estar
vaca.
en map y una matriz de canal alfa para X en la variable alpha. Los valores en alpha sern 0
si el pixel es opaco e ndices de filas apuntando a map en caso contrario. Para usar alpha se
debe sustituir el valor RGB en map por el valor en X. alpha tiene la misma altura y anchura
que X y es de 4-D para imgenes mltiples.
mapa de color en map, una matriz de canal alfa para X en la variable alpha y cualquier
superposicin en la variable overlays. Cada superposicin (overlay) es una imagen de 1-
bit en blanco y negro con la misma altura y anchura que X. Si hay varias superposiciones
vector v, que debe ser un escalar entero, un vector de enteros o la cadena de caracteres
'all' que es su valor por defecto.
X puede ser uint8, int8, uint16, o int16. map debe ser de tipo double. alpha tiene el
Ejemplos de uso
info = dicominfo('CT-MONO2-16-ankle.dcm');
I = dicomread(info);
imshow(I)
imcontrast;
Figura f.127 - Imagen original (I) Figura f.128 - Imagen con contraste mejorado
Funciones relacionadas
dicomuid
Generacin de un identificador DICOM nico
Sintaxis
UID = dicomuid
Descripcin
UID = dicomuid crea una cadena UID que contiene un nuevo identificador DICOM nico.
Si la funcin dicomuid recibe mltiples llamadas, esta produce valores nicos globales.
Dos llamadas a la funcin siempre devuelven valores distintos.
Funciones relacionadas
dicominfo, dicomwrite
dicomwrite
Escritura de imgenes como archivos DICOM
Sintaxis
dicomwrite(X, filename)
dicomwrite(X, map, filename)
dicomwrite(..., param1, Valor1, param2, Valor2,...)
dicomwrite(..., 'ObjectType', IOD,...)
dicomwrite(..., 'SOPClassUID', UID,...)
dicomwrite(..., meta_struct,...)
dicomwrite(..., info,...)
status = dicomwrite(...)
Descripcin
dicomwrite(X, map, filename) escribe la imagen indexada x con su mapa de color map.
Para saber los atributos DICOM que se pueden especificar es preciso consultar el archivo
de diccionario de datos DICOM de nombre dicom-dict.txt, incluido en la toolbox. La
siguiente tabla explica las opciones que se pueden especificar, ordenadas alfabticamente:
Opcin Descripcin
'CompressionMode' Cadena que especifica el tipo de compresin a usar cuando se
guarda la imagen. Valores posibles:
'None' (por defecto)
'JPEG lossless'
'JPEG lossy'
'RLE'
especificar el IOD a crear. UID es el identificador nico DICOM que corresponde con uno
de los IODs listados anteriormente.
Campo Descripcin
'BadAttribute' La descripcin interna del atributo est mal. No se debe poder
encontrar desde el diccionario de datos o debe tener datos
incorrectos en su descripcin.
'MissingCondition' El atributo es condicional pero no se ha especificado ninguna
condicin de cundo usarlo.
'MissingData' No se ha especificado ningn dato para un atributo necesario en el
archivo.
'SuspectAttribute' Los datos del atributo no coinciden con las especificaciones
DICOM.
Ejemplos de uso
Ejemplo 1: Leer una imagen CT desde el archivo DICOM de ejemplo incluido con la
toolbox y escribir la imagen en otro archivo, creando una segunda captura de la imagen.
X = dicomread('CT-MONO2-16-ankle.dcm');
dicomwrite(X, 'sc_file.dcm');
Ejemplo 2: Escribir la imagen X con sus metadatos en un nuevo archivo DICOM, usando
la funcin dicominfo para obtener los metadatos de otro archivo DICOM.
metadata = dicominfo('CT-MONO2-16-ankle.dcm');
dicomwrite(X, 'ct_file.dcm', metadata);
Ejemplo 3: Copiar todos los metadatos desde un archivo a otro. De esta forma la funcin
dicomwrite no verifica los metadatos escritos.
Funciones relacionadas
edge
Deteccin de bordes en una imagen en escala de grises
Sintaxis
BW = edge(I)
BW = edge(I,'sobel')
BW = edge(I,'sobel',thresh)
BW = edge(I,'sobel',thresh,direction)
[BW,thresh] = edge(I,'sobel',...)
BW = edge(I,'prewitt')
BW = edge(I,'prewitt',thresh)
BW = edge(I,'prewitt',thresh,direction)
[BW,thresh] = edge(I,'prewitt',...)
BW = edge(I,'roberts')
BW = edge(I,'roberts',thresh)
[BW,thresh] = edge(I,'roberts',...)
BW = edge(I,'log')
BW = edge(I,'log',thresh)
BW = edge(I,'log',thresh,sigma)
[BW,threshold] = edge(I,'log',...)
BW = edge(I,'zerocross',thresh,h)
[BW,thresh] = edge(I,'zerocross',...)
BW = edge(I,'canny')
BW = edge(I,'canny',thresh)
BW = edge(I,'canny',thresh,sigma)
[BW,threshold] = edge(I,'canny',...)
Introduccin
Descripcin
BW = edge(I) recibe como entrada una imagen binaria o en escala de grises I y devuelve
una imagen binaria BW del mismo tamao que I, con 1's donde la funcin haya encontrado
bordes y 0's en el resto. I es un array disperso tipo numeric. BW es de tipo logical.
edge utiliza por defecto el mtodo Sobel para detectar los bordes, pero se pueden utilizar
El mtodo Sobel detecta los bordes usando la aproximacin Sobel. Suele obtener
buenos resultados con las opciones por defecto. (Por defecto)
El mtodo Prewitt detecta los bordes usando la aproximacin Prewitt. Suele obtener
resultados parecidos a los obtenidos con el mtodo Sobel.
El mtodo Roberts detecta los bordes usando la aproximacin Roberts. Uno de los
mtodos ms simples y antiguos de deteccin de bordes. No suele usarse mucho
salvo que se necesite simpleza y rapidez.
El mtodo del Laplaciano del Gaussiano detecta los bordes buscando cortes con
cero despus de filtrar I con un filtro Laplaciano o Gaussiano. Obtiene
normalmente mejores resultados que el mtodo Sobel pero a costa de tener que
modificar los parmetros por defecto.
El mtodo de cruce por cero detecta los bordes buscando cruces con cero despus
de filtrar I con el filtro que se especifique. Est basado en el mismo concepto que
el mtodo del Laplaciano del Gaussiano pero se utiliza un filtro especificado para
realizar la convolucin.
El mtodo Canny detecta los bordes buscando mximos locales del gradiente de I.
Este mtodo es el ms potente de todos y por ello es el ms utilizado. Es menos
propenso a confundirse por el ruido y ms propenso a detectar bordes dbiles. Para
obtener el mejor resultado normalmente se necesitan modificar sus parmetros por
defecto.
Normalmente los mtodos de Sobel, Prewitt y Roberts detectan menos bordes de los
necesarios utilizando las opciones por defecto (utilizan mayor umbral de deteccin)
mientras que los mtodos del Laplaciano del Gaussiano, de cruce por cero y de Sobel
suelen detectar ms bordes de los necesarios por defecto (menor umbral).
Los parmetros que se pueden utilizar dependen del tipo de mtodo elegido aunque son
bastante parecidos en todos ellos:
la variable thresh. edge ignora todos los bordes que no son ms fuertes que el umbral
especificado. Si no se especifica la variable thresh, o thresh est vaca ([]), edge elige
su valor automticamente.
mtodo Sobel en la variable direction, una cadena que indica si se debe buscar por
bordes horizontales ('horizontal'), verticales ('vertical') o ambos ('both') (por
defecto).
Mtodo Prewitt
Prewitt en la variable thresh. edge ignora todos los bordes que no son ms fuertes que
thresh. Si no se especifica la variable thresh, o thresh est vaca ([]), edge elige su
valor automticamente.
mtodo Prewitt en la variable direction, una cadena que indica si se debe buscar por
bordes horizontales ('horizontal'), verticales ('vertical') o ambos ('both') (por
defecto).
Mtodo Roberts
Roberts en la variable thresh. edge ignora todos los bordes que no son ms fuertes que
thresh. Si no se especifica la variable thresh, o thresh est vaca ([]), edge elige su
valor automticamente.
del Gaussiano en la variable thresh. edge ignora todos los bordes que no son ms fuertes
que thresh. Si no se especifica la variable thresh, o thresh est vaca ([]), edge elige su
valor automticamente. Si se especifica un umbral de 0, la imagen de salida tendr
contornos cerrados porque incluir todos los cruces por cero de la imagen de entrada.
Gaussiano usando la variable sigma como la desviacin estndar del filtro LoG
(Laplaciano del Gaussiano). El valor por defecto de sigma es 2; el tamao del filtro es n-
por-n, donde n = ceil(sigma*3)*2+1.
cero usando el filtro h con el umbral definido en la variable thresh; si el argumento est
vaco ([]), edge elige el umbral automticamente. Si el umbral es 0, la imagen de salida
tendr contornos cerrados porque incluir todos los cruces por cero de la imagen de
entrada.
Mtodo Canny
usando sigma como la desviacin estndar del filtro Gaussiano. El valor por defecto de
sigma es 1; el tamao del filtro se elige automticamente basndose en la variable sigma.
Nota: En todos los casos el umbral por defecto se elige de forma heurstica segn
los datos de entrada. La mejor manera de corregir el umbral es ejecutar la funcin
edge capturando el umbral de salida y posteriormente ajustar con un umbral mayor
(menos pxeles de borde) o menor (ms pxeles de borde).
Ejemplos de uso
I = imread('casa.tif');
imshow(I)
Figura f.130 - Bordes horizontales con el mtodo Figura f.131 - Bordes horizontales con el mtodo
Sobel (BWHS) Prewitt (BWHP)
Figura f.132 - Bordes verticales con el mtodo Sobel Figura f.133 - Bordes verticaales con el mtodo
(BWVS) Prewitt (BWVP)
Vemos como los resultados son prcticamente idnticos con ambos mtodos.
Ejemplo 2: Encontrar los bordes de una imagen usando todos los mtodos por defecto de
la funcin edge y comparar los resultados variando las opciones por defecto para obtener
mejor resultado de los bordes principales.
I = imread('casa.tif');
imshow(I)
Figura f.134 - Bordes (BW1d) con el mtodo Sobel Figura f.135 - Bordes (BW1) con el mtodo Sobel
por defecto disminuyendo el umbral por defecto
Figura f.136 - Bordes (BW2d) con el mtodo Prewitt Figura f.137 - Bordes (BW2) con el mtodo Prewitt
por defecto disminuyendo el umbral por defecto
Figura f.138 - Bordes (BW3d) con el mtodo Roberts Figura f.139 - Bordes (BW3) con el mtodo Roberts
por defecto disminuyendo el umbral por defecto
Figura f.140 - Bordes (BW4d) con el mtodo LoG Figura f.141 - Bordes (BW4) con el mtodo LoG por
por defecto aumentando el umbral por defecto
Figura f.142 - Bordes (BW5d) con el mtodo Figura f.143 - Bordes (BW5) con el mtodo
Zerocross por defecto Zerocross aumentando el umbral por defecto
Figura f.144 - Bordes (BW6d) con el mtodo Canny Figura f.145 - Bordes (BW6) con el mtodo Canny
por defecto aumentando el umbral por defecto
I = imread('ecoli.tif');
imshow(I)
BW = edge(I,'canny',[0.15 0.25],1.9);
figure, imshow(BW)
Figura f.146 - Imagen original (I) Figura f.147 - Bordes (BW) con el mtodo Canny
Funciones relacionadas
fspecial
edgetaper
Reduccin de las discontinuidades alrededor de los bordes de una imagen
Sintaxis
J = edgetaper(I,PSF)
Descripcin
de dispersin del punto PSF. El tamao de PSF no puede exceder la mitad del tamao de la
imagen en ninguna dimensin.
I y PSF pueden ser del tipo uint8, uint16, int16, single, o double. J es del mismo tipo
que I.
Ejemplos de uso
I = imread('moon.tif');
PSF = fspecial('gaussian',60,10);
ET = edgetaper(I,PSF);
figure, imshow(I,[])
figure, imshow(ET,[])
Figura f.148 - Imagen original (I) Figura f.149 - Imagen procesada (ET)
Funciones relacionadas
entropy
Entropa de una imagen en escala de grises
Introduccin
La IPT dispone de dos funciones especficas para el clculo de la entropa de una imagen:
entropy y entropyfilt. entropy calcula la entropa de una imagen completa mientras
Sintaxis
E = entropy(I)
Descripcin
de grises I.
I puede ser una imagen multidimensional. Si I tiene ms de dos dimensiones, como las
imgenes RGB, la funcin entropy la trata como una imagen multidimensional en escala
de grises y no como una imagen RGB. I puede ser de tipo logical, uint8, uint16, o
double y debe ser real, no nula y no dispersa. E es de tipo double.
Ejemplos de uso
I1 = imread('rueda.tif'); imshow(I1)
figure, imhist(I1)
E1 = entropy(I1)
E1 =
7.7630
E2 =
6.7257
Figura f.28 - Imagen original (I1) Figura f.150 - Imagen histograma recortado (I2)
Funciones relacionadas
imhist, entropyfilt
entropyfilt
Entropa regional de una imagen en escala de grises
Introduccin
Uno de los usos comunes de la medida de la entropa de una imagen por regiones es que
puede utilizarse para caracterizar la textura de la imagen. Existen tres funciones de anlisis
de textura (rangefilt, stdfilt y entropyfilt) que utilizan medidas estadsticas
estndar como son el rango, la desviacin estndar y la entropa. Estas medidas pueden
caracterizar la textura de una imagen porque proporcionan informacin a cerca de la
variabilidad local de la intensidad de los pxeles. Estas funciones se suelen utilizar cuando
[13]
los objetos de la imagen estn ms caracterizados por textura que por intensidad , por
ejemplo en tcnicas de segmentacin de texturas en las que se busca identificar regiones
basndose en su textura.
Sintaxis
J = entropyfilt(I)
J = entropyfilt(I,NHOOD)
Descripcin
I puede ser de cualquier dimensin. Si I tiene ms de dos dimensiones, como las imgenes
RGB, la funcin entropy la trata como una imagen multidimensional en escala de grises y
no como una imagen RGB. La imagen de salida J es del mismo tamao que la de entrada I
y suele denominarse imagen textura.
I puede ser de tipo logical, uint8, uint16, o double y debe ser real y no disperso.
NHOOD puede ser de tipo numeric o logical y debe contener ceros o unos. El array de
Ejemplos de uso
I = imread('circuit.tif');
J = entropyfilt(I);
imshow(I), figure, imshow(J,[])
Ejemplo 2: Comparar los resultados obtenidos con las tres funciones de anlisis de textura:
rangefilt, stdfilt y entropyfilt
A=imread('euros.tif');
subplot(2,2,1), imshow(I), title('original')
J = stdfilt(I);
subplot(2,2,2),imshow(J,[]),title('stdfilt')
J = entropyfilt(I,ones(15));
subplot(2,2,3),imshow(J,[]),title('entropyfilt')
J = rangefilt(I,ones(5));
subplot(2,2,4),imshow(J,[]),title('entropyfilt')
Ejemplo 3: Crear una mscara de las texturas de una imagen para luego segmentarlas.
I = imread('texture.tif');
imshow(I)
E = entropyfilt(I);
Eim = mat2gray(E);
figure, imshow(Eim)
BWao = bwareaopen(BW1,2000);
figure, imshow(BWao)
nhood = true(9);
closeBWao = imclose(BWao,nhood);
roughMask = imfill(closeBWao,'holes');
figure, imshow(roughMask)
Figura f.154 - Imagen original I Figura f.155 - Imagen textura Figura f.156 - Imagen binaria
Eim BW1
Funciones relacionadas
fan2para
Conversin de proyecciones en abanico en proyecciones paralelas
Introduccin
Sintaxis
P = fan2para(F,D)
P = fan2para(..., param1, val1, param2, val2,...)
[P ,parallel_locations, parallel_rotation_angles] = fan2para(...)
Descripcin
Cada columna de F contiene las muestras tomadas por el sensor del haz en abanico a un
nico ngulo de rotacin. D es la distancia en pxeles desde el vrtice del haz en abanico al
centro de rotacin que se us para obtener las proyecciones.
Parmetro Descripcin
'FanCoverage' Cadena que especifica la cobertura de rotacin de los ejes:
'cycle' Rotar completamente[0,360). (Por defecto)
'minimal' Rotar lo mnimo necesario para representar el
objeto.
'FanRotationIncrement' Escalar real positivo que especifica el incremento del ngulo
de rotacin de las proyecciones de haz en abanico. Se mide
en grados. (Por defecto: 1)
'FanSensorGeometry' Cadena que especifica cmo se posicionan los sensores:
'arc' Los sensores estn equiespaciados a travs de un
arco circular a una distancia D del centro de rotacin. (Por
defecto)
haz en abanico.
'ParallelSensorSpacing Escalar real positivo que especifica en pxeles el espaciado
' de los sensores de haz en paralelo. El rango de las
localizaciones del sensor est sujeto al rango de los ngulos
en abanico y viene dado por:
[D*tan(min(FAN_ANGLES)),...
D*tan(max(FAN_ANGLES))]
Si no se especifica la variable, se asume un espaciado
uniforme y se pone al mnimo espaciado sujeto a los
ngulos en abanico y muestreando por encima del rango
sujeto a los ngulos en abanico.
Los parmetros de entrada, F y D, pueden ser de tipo double o single y deben ser no
dispersos. Cualquier otra entrada numrica es de tipo double. La salida P es double.
Ejemplos de uso
Ejemplo 1: Crear datos de haz en paralelo a partir de una imagen de una cabeza de
prctica o phantom head que se suele utilizar para probar algoritmos de reconstruccin en
dos dimensiones como la Transformada de Radn. Convertir a datos de haz en abanico y
recuperar los datos de haz en paralelo originales.
ph = phantom(128);
theta = 0:179;
[Psynthetic,xp] = radon(ph,theta);
imshow(Psynthetic,[],'XData',theta,'YData',xp,'InitialMagnification','fit
')
axis normal
title('Datos de haz en paralelo')
xlabel('\theta (grados)')
ylabel('x''')
colormap(hot), colorbar
Fsynthetic = para2fan(Psynthetic,100,'FanSensorSpacing',1);
[Precovered,Ploc,Pangles] =
fan2para(Fsynthetic,100,'FanSensorSpacing',1,'ParallelSensorSpacing',1);
figure
imshow(Precovered,[],'XData',Pangles,'YData',Ploc,'InitialMagnification',
'fit')
axis normal
title('Datos de haz en paralelo recuperados')
xlabel('ngulos de rotacin (grados)')
ylabel('Localizaciones del sensor paralelo (pxeles)')
colormap(hot), colorbar
Figura f.163 - Datos de haz en paralelo originales Figura f.164 - Datos de haz en paralelo recuperados
Funciones relacionadas
fanbeam
Transformacin (proyecciones) de haz en abanico
Introduccin
Sintaxis
F = fanbeam(I,D)
F = fanbeam(..., param1, val1, param1, val2,...)
[F, fan_sensor_positions, fan_rotation_angles] = fanbeam(...)
Descripcin
Cada columna de F contiene las muestras tomadas por el sensor del haz (datos de las
proyecciones) a un nico ngulo de rotacin. El nmero de columnas en F depende del
incremento de la rotacin en abanico. Por defecto, el incremento de la rotacin en abanico
es de 1 grado por lo que F tiene 360 columnas.
Parmetro Descripcin
'FanRotationIncrement' Escalar real positivo que especifica el incremento del ngulo
de rotacin de las proyecciones de haz en abanico. Medido
en grados. (Por defecto: 1)
I puede ser de tipo numeric o logical. El resto de entradas y salidas tipo numeric pueden
ser tipo double. Ninguna de las entradas puede ser de tipo disperso.
Ejemplos de uso
iptsetpref('ImshowAxesVisible','on')
ph = phantom(512);
imshow(ph)
[F,Fpos,Fangles] = fanbeam(ph,1024);
figure,
imshow(F,[],'XData',Fangles,'YData',Fpos,'InitialMagnification','fit')
axis normal
xlabel('ngulos de rotacin (grados)')
ylabel('Posiciones del sensor (grados)')
colormap(hot), colorbar
Ejemplo 2: Comparar las proyecciones de haz en abanico de una imagen para las
geometras de arco y lnea con las proyecciones de la Transformada de Radon (en paralelo)
para un ngulo de rotacin fijo.
I = ones(100);
D = 200;
dtheta = 45;
[Farc,FposArcDeg,Fangles] =
fanbeam(I,D,'FanSensorGeometry','arc','FanRotationIncrement',dtheta);
FposArc = D*tan(FposArcDeg*pi/180);
[Fline,FposLine] =
fanbeam(I,D,'FanSensorGeometry','line','FanRotationIncrement',dtheta);
[R,Rpos]=radon(I,Fangles);
figure
idx = find(Fangles==45);
plot(Rpos,R(:,idx),FposArc,Farc(:,idx),FposLine,Fline(:,idx))
legend('Radon','Arco','Lnea')
Funciones relacionadas
findbounds
Estimacin de los lmites de salida para una transformacin espacial
Sintaxis
outbounds = findbounds(TFORM,inbounds)
Descripcin
especifica los lmites inferiores para cada dimensin y la segunda fila los lmites
superiores. num_dims tiene que concordar con el campo ndims_in de la variable TFORM.
La funcin outbounds es del mismo tipo que inbounds. Es una estimacin de la regin
rectangular ms pequea que contiene completamente al rectngulo transformado
representado por los lmites de entrada especificados. Como outbounds es solo una
estimacin, puede que no contenga completamente el rectngulo de entrada transformado.
Ejemplos de uso
Ejemplo 1: Aplicar una translacin lineal entera a una imagen usando findbounds para
especificar las variables 'XData' e 'YData' que limitan la salida.
I = checkerboard(50);
figure, imshow(I)
tx = 10;
ty = 6;
t = maketform('affine',[1 0 ; 0 1; tx ty]);
bounds(1,:) = [1 1];
J = imtransform(I,t,'XData',bounds(:,2)','YData',bounds(:,1)');
figure, imshow(J)
Figura f.168 - Imagen original (I) Figura f.169 - Imagen trasladada (J)
Funciones relacionadas
fliptform
Inversin de la funcin de una estructura TFORM
Sintaxis
TFLIP = fliptform(T)
Descripcin
TFLIP = fliptform(T) crea una nueva estructura de transformacin espacial tipo TFORM
invirtiendo los roles de las entradas y las salidas en una estructura TFORM existente, de
forma que la nueva estructura ser una transformacin inversa o complementaria a la
original.
Ejemplos de uso
Ejemplo 1: Aplicar una transformacin a una imagen y rehacer la imagen a con una
transformacin inversa.
I = imread('cameraman.tif');
imshow(I)
T2 = fliptform(T)
I3 = imtransform(I, T2);
figure, imshow(I3)
I4 = imtransform(I2, T2);
figure, imshow(I4)
Figura f.170 - Imagen original (I) Figura f.171 - Imagen trasformada (I2)
Figura f.172 - Imagen transformada a la inversa Figura f.173 - Imagen transformada, transformada a
(I3) la inversa (I4)
Funciones relacionadas
freqz2
Respuesta en frecuencia en 2-D
Sintaxis
Descripcin
tamao n2-por-n1, y los vectores de frecuencia f1 (de longitud n1) y f2 (de longitud n2). h
es un filtro FIR bidimensional en la forma de una molcula computacional. f1 y f2 se
devuelven como frecuencias normalizadas en el rango -1.0 a 1.0, donde 1.0 corresponde a
la mitad de la frecuencia de muestreo, o radianes.
[H, f1, f2] = freqz2(h, [n2 n1]) devuelve lo mismo que con [H,f1,f2] =
freqz2(h,n1,n2).
[H, f1, f2] = freqz2(h, f1, f2) devuelve la respuesta en frecuencia del filtro FIR h
[...] = freqz2(h,...,[dx dy]) usa [dx dy] para modificar el espaciado de muestreo
dimensiones.
La matriz de entrada h puede ser del tipo double o de cualquier tipo entero. El resto de
variables de entrada a freqz2 deben ser de tipo double. Todas las salidas son de tipo
double.
Ejemplos de uso
Hd = zeros(16,16);
Hd(5:12,5:12) = 1;
Hd(7:10,7:10) = 0;
h = fwind1(Hd,bartlett(16));
colormap(jet(64))
freqz2(h,[32 32]);
Figura f.174 - Respuesta en frecuencia 32x32 Figura f.175 - Respuesta en frecuencia 500x500
h = fspecial('gaussian');
freqz2(h, 500, 500);
Funciones relacionadas
freqz
fsamp2
Creacin de un filtro FIR en 2-D utilizando muestreo en frecuencia
Sintaxis
h = fsamp2(Hd)
h = fsamp2(f1, f2, Hd,[m n])
Descripcin
Hd y devuelve los coeficientes del filtro en una matriz h. fsamp2 devuelve h como una
molcula computacional, que es la forma adecuada para trabajar con la funcin filter2.
El filtro h tiene una respuesta en frecuencia que va a travs de los puntos definidos en Hd.
Si Hd es de tamao m-por-n, entonces h ser tambin de m-por-n.
muestreada en puntos del plano cartesiano. Hd es una matriz que contiene la respuesta en
frecuencia deseada muestreada en puntos equiespaciados entre -1.0 y 1.0 a lo largo de los
ejes de frecuencia x e y, donde 1.0 corresponde a la mitad de la frecuencia de muestreo o
radianes. Para obtener resultados ms exactos, utilizar puntos de frecuencia devueltos por
la funcin freqspace para crear Hd.
h = fsamp2(f1, f2, Hd,[m n]) produce un filtro FIR de m-por-n haciendo coincidir la
respuesta del filtro Hd con los puntos definidos con los vectores f1 y f2. Los vectores de
frecuencia f1 y f2 estn normalizados en frecuencia, donde 1.0 se corresponde a la mitad
de la frecuencia de muestreo o radianes. El filtro resultante encaja en la respuesta en
frecuencia deseada lo mximo posible segn el criterio de mnimo error cuadrtico. Para
obtener los mejores resultados, debe haber al menos m*n puntos de frecuencias deseadas.
fsamp2 dar un mensaje de aviso se especifican menos puntos.
La matriz de entrada Hd puede ser de tipo double o de cualquier tipo entero. El resto de
entradas deben ser de tipo double. Todas las salidas son de tipo double.
Ejemplos de uso
[f1,f2] = freqspace(21,'meshgrid');
Hd = ones(21);
r = sqrt(f1.^2 + f2.^2);
Hd((r<0.1)|(r>0.5)) = 0;
colormap(jet(64))
mesh(f1,f2,Hd)
h = fsamp2(Hd);
figure, freqz2(h)
Figura f.177 - Respuesta en frecuencia pasobanda Figura f.178 - Filtro con respuesta en frecuencia
pasobanda
Funciones relacionadas
fspecial
Creacin de un filtro predefinido en 2-D
Sintaxis
h = fspecial(type)
h = fspecial(type, parameters)
Descripcin
type. fspecial devuelve h como un kernel de correlacin, que es la forma apropiada para
usar con la funcin imfilter. type es una cadena que puede ser cualquiera de los
siguientes valores:
Valor Descripcin
'average' Filtro promedio, til para eliminar ruido y
desenfocar.
'disk' Filtro promedio circular (pillbox).
'gaussian' Filtro Gaussiano pasobajo.
'laplacian' Filtro Laplaciano, til para resaltar bordes.
'log' Laplaciano del Gaussiano, til para resaltar bordes.
'motion' Filtro para aproximar el movimiento lineal de una
cmara.
'prewitt' Filtro de Prewitt enfatizador de bordes.
'sobel' Filtro de Sobel enfatizador de bordes.
'unsharp' Filtro Unsharp para mejorar el enfoque.
dentro de la matriz cuadrada de lado 2*radius+1. El valor por defecto para radius
es 5.
h = fspecial('gaussian', hsize, sigma) devuelve un filtro Gaussiano
vez convolucionado con una imagen, al movimiento lineal de una cmara de len
pxeles, con un ngulo de theta grados en direccin contraria a las agujas del reloj.
El filtro se convierte en un vector para los movimientos horizontales y verticales. El
valor por defecto para len es 9 y para theta es 0, que corresponde con un
movimiento horizontal de nueve pxeles. Para calcular los coeficientes h del filtro
se debe proceder de la siguiente manera:
1. Construir un segmento recto ideal con la longitud y ngulos deseados,
centrado en el coeficiente central de h.
2. Para cada localizacin de coeficiente (i,j), calcular la distancia ms
cercana (nearest_distance) entre esa localizacin y el segmento.
3. h = max(1 - nearest_distance, 0);
4. Normalizar h: h = h/(sum(h(:))
h = fspecial('prewitt') devuelve un filtro h de 3-por-3 (mostrado debajo) que
[1 1 1
0 0 0
-1 -1 -1]
[1 2 1
0 0 0
-1 -2 -1]
enfoque de tamao 3-por-3. fspecial crea el filtro a partir del negativo del filtro
Laplaciano usando el parmetro alpha, parmetro que controla la forma del
Laplaciano y debe estar en el rango de 0.0 a 1.0. El valor por defecto para alpha es
0.2.
El nombre del filtro procede de un proceso en el que se enfoca una imagen a partir
de sustraer una imagen borrosa (unsharp) de la propia imagen.
h es de clase double.
Ejemplos de uso
Ejemplo 1: Aplicar todos los filtros a una imagen y mostrar cada resultado por separado.
I = imread('cameraman.tif');
imshow(I)
H = fspecial('average',[10 10])
Average = imfilter(I,H,'replicate');
figure, imshow(Average)
H = fspecial('disk',10);
blurred = imfilter(I,H,'replicate');
figure, imshow(blurred)
H = fspecial('gaussian',[20 20],10);
Gaussian = imfilter(I,H,'replicate');
figure, imshow(Gaussian)
H = fspecial('laplacian');
Laplacian = imfilter(I,H,'replicate');
figure, imshow(Laplacian)
H = fspecial('log');
Log = imfilter(I,H,'replicate');
figure, imshow(Log)
H = fspecial('motion',20);
MotionBlur = imfilter(I,H,'replicate');
figure, imshow(MotionBlur)
H = fspecial('prewitt');
Prewitt = imfilter(I,H,'replicate');
figure, imshow(Prewitt)
H = fspecial('sobel');
Sobel = imfilter(I,H,'replicate');
figure, imshow(Sobel)
H = fspecial('unsharp',0.5);
sharpened = imfilter(I,H,'replicate');
figure, imshow(sharpened)
Figura f.179 - Imagen original (I) Figura f.180 - Filtrado promedio (Average)
Figura f.181 - Filtrado disco (blurred) Figura f.182 - Filtrado Gaussiano (Gaussian)
Figura f.183 - Filtrado Laplaciano (Laplacian) Figura f.184 - Filtrado Laplaciano del Gaussiano
(Log)
Figura f.185 - Filtrado movimiento lineal Figura f.186 - Filtrado Prewitt (Prewitt)
(MotionBlur)
Figura f.187 - Filtrado Sobel (Sobel) Figura f.188 - Filtrado de enfoque (sharpened)
Funciones relacionadas
ftrans2
Creacin de un filtro FIR en 2-D a partir de uno en 1-D utilizando una
transformacin de frecuencia
Sintaxis
h = ftrans2(b, t)
h = ftrans2(b)
Descripcin
coeficientes impar) como los filtros devueltos por las funciones fir1, fir2, o remez de la
toolbox. La matriz de transformacin t contiene los coeficientes que definen la
transformacin de frecuencia que se usar. Si t es de tamao m-por-n y b tiene longitud Q,
entonces h ser de tamao ((m-1)*(Q-1)/2+1)-por-((n-1)*(Q-1)/2+1).
t = [1 2 1; 2 -4 2; 1 2 1]/8;
Ejemplos de uso
Ejemplo 1: Utilizar ftrans2 para disear un filtro pasobanda bidimensional con simtrica
esfrica aproximada y una banda de paso entre 0.1 y 0.6 (frecuencia normalizada donde 1.0
corresponde a la mitad de la frecuencia de muestreo o radianes):
colormap(jet(64))
b = remez(10,[0 0.05 0.15 0.55 0.65 1],[0 0 1 1 0 0]);
[H,w] = freqz(b,1,128,'whole');
plot(w/pi-1,fftshift(abs(H)))
h = ftrans2(b);
figure, freqz2(h)
Figura f.189 - Respuesta en frecuencia FIR Figura f.190 - Filtro FIR 2-D con respuesta en
pasobanda 1-D frecuencia pasobanda
Funciones relacionadas
fwind1
Creacin de un filtro FIR en 2-D utilizando el mtodo de la ventana
Sintaxis
h = fwind1(Hd, win)
h = fwind1(Hd, win1, win2)
h = fwind1(f1, f2, Hd,...)
Descripcin
fwind1 disea filtros FIR bidimensionales utilizando el mtodo de la ventana. fwind1 usa
especificada en la variable Hd. fwind1 devuelve h como una molcula computacional, que
es la forma adecuada para trabajar con la funcin filter2. fwind1 usa una ventana
unidimensional para crear una ventana bidimensional con simtrica esfrica aproximada
utilizando el mtodo de Huang. Se puede especificar la ventana en la variable win
utilizando funciones de la toolbox de Procesado de Seales como boxcar, hamming,
hanning, bartlett, blackman, kaiser, o chebwin. Si length(win) es n, entonces h ser
de tamao n-por-n.
equiespaciados entre -1.0 y 1.0 a lo largo de los ejes de frecuencia x e y, donde 1.0
corresponde a la mitad de la frecuencia de muestreo o radianes. Para obtener resultados
ms exactos, crear Hd utilizando puntos de frecuencia devueltos por la funcin freqspace.
en frecuencias arbitrarias (f1 y f2) a lo largo de los ejes x e y. Los vectores de frecuencia
f1 y f2 deben estar comprendidos en el rango -1.0 a 1.0, frecuencia normalizada donde 1.0
La matriz de entrada Hd puede ser de tipo double o de cualquier tipo entero. El resto de
entradas a fwind1 deben ser de tipo double. Todas las salidas son de tipo double.
Ejemplos de uso
Ejemplo 1: Utilizar fwind1 para disear un filtro pasobanda bidimensional con simtrica
esfrica aproximada y banda de paso entre 0.1 y 0.5 (frecuencia normalizada donde 1.0
corresponde a la mitad de la frecuencia de muestreo o radianes):
[f1,f2] = freqspace(21,'meshgrid');
Hd = ones(21);
r = sqrt(f1.^2 + f2.^2);
Hd((r<0.1)|(r>0.5)) = 0;
colormap(jet(64))
mesh(f1,f2,Hd)
h = fwind1(Hd,hamming(21));
figure, freqz2(h)
Figura f.191 - Respuesta pasobanda 1-D Figura f.192 - Filtro con respuesta pasobanda 2-D
Funciones relacionadas
fwind2
Creacin de un filtro FIR en 2-D utilizando el mtodo de la ventana en 2-
D
Sintaxis
h = fwind2(Hd, win)
h = fwind2(f1, f2, Hd, win)
Descripcin
bidimensional. Fwind2 usa las especificaciones de una ventana bidimensional para disear
el filtro FIR bidimensional basndose en la respuesta en frecuencia deseada Hd. Fwind2
solo trabaja con ventanas bidimensionales y para trabajar con ventanas unidimensionales
se debe usar la funcin fwind1.
en frecuencias arbitrarias (f1 y f2) a lo largo de los ejes x e y. Los vectores de frecuencia
f1 y f2 deben estar comprendidos en el rango -1.0 a 1.0, frecuencia normalizada donde 1.0
La matriz de entrada Hd puede ser de tipo double o de cualquier tipo entero. El resto de
entradas a fwind2 deben ser de tipo double. Todas las salidas son de tipo double.
Ejemplos de uso
Ejemplo 1: Utilizar fwind2 para disear un filtro pasobanda bidimensional con simtrica
esfrica aproximada y banda de paso entre 0.1 y 0.5 (frecuencia normalizada donde 1.0
corresponde a la mitad de la frecuencia de muestreo o radianes):
[f1,f2] = freqspace(21,'meshgrid');
Hd = ones(21);
r = sqrt(f1.^2 + f2.^2);
Hd((r<0.1)|(r>0.5)) = 0;
colormap(jet(64))
mesh(f1,f2,Hd)
win = fspecial('gaussian',21,2);
win = win ./ max(win(:)); % Normalizamos a 1 el valor mximo de ventana.
figure, mesh(win)
h = fwind2(Hd,win);
figure, freqz2(h)
Figura f.193 - Respuesta pasobanda 1-D Figura f.194 - Ventana Gaussiana 2-D
Funciones relacionadas
getheight
Obtencin de la altura de un elemento estructurante
Introduccin
Los elementos estructurantes son un tipo de objeto definido en MATLAB esencial en las
operaciones morfolgicas para examinar la imagen de entrada ya que sirven como patrn
de bsqueda. Se utiliza la funcin strel para crearlos.
Sintaxis
H = getheight(SE)
Descripcin
H = getheight(SE) devuelve un array del mismo tamao que el array devuelto por
getnhood(SE) con los valores de la altura asociada a cada vecino del elemento
Al crear un elemento estructurante con la funcin strel sin deshabilitar la salida de datos
por pantalla mediante el operador ; (punto y coma) siempre se muestra tanto la vecindad
como la altura del elemento estructurante creado.
Ejemplos de uso
se = strel(ones(3,3),magic(3));
getheight(se)
se =
Nonflat STREL object containing 9 neighbors.
Neighborhood:
1 1 1
1 1 1
1 1 1
Height:
8 1 6
3 5 7
4 9 2
ans =
8 1 6
3 5 7
4 9 2
Funciones relacionadas
strel, getnhood
getimage
Lectura de los datos de una imagen mostrada en los ejes
Sintaxis
A = getimage(h)
[x, y, A] = getimage(h)
[..., A, flag] = getimage(h)
[...] = getimage
Descripcin
objeto grfico h. h puede ser una figura, eje, o una imagen. A es idntico a la propiedad de
la imagen Cdata que guarda el color de cada rea; contiene los mismos valores y es del
mismo tipo (uint8, uint16, double o logical). Si h no es una imagen o no contiene una
imagen, A volver vaco.
e YData en y. XData e YData son vectores de dos elementos que indican el rango del eje x
e y respectivamente.
[..., A, flag] = getimage(h) devuelve flag, un indicador entero que marca el tipo
El array de salida A es del mismo tipo que la propiedad de la imagen CData. El resto de
entradas y salidas son de tipo double.
Nota: Para imgenes tipo int16 y single, los datos de imagen devueltos por la
funcin getimage son de tipo double, no int16 o single, porque la funcin lee
los datos de la propiedad CData que como el resto de objetos de imagen, guarda
este tipo de datos como tipo double.
h = imshow(ones(10,'int16'));
class(get(h,'CData'))
As que si se obtiene este dato usando la funcin getimage, el tipo de dato ser
double y la variable flag con el indicador de tipo ser igual a 3.
[img,flag] = getimage(h);
class(img)
Para imgenes tipo single, el valor de flag ser 2 porque los tipos single y
double tienen el mismo rango dinmico.
Ejemplos de uso
Ejemplo 1: Despus de utilizar la funcin imshow o imtool para mostrar una imagen
directamente de un archivo, usar getimage para incorporar todos los datos de la imagen al
espacio de trabajo.
imshow rice.png
I = getimage;
Funciones relacionadas
imshow, imtool
getimagemodel
Creacin de un objeto modelo de imagen desde un objeto imagen
Introduccin
Un objeto modelo de imagen guarda cierta informacin de una imagen: clase, tipo, rango
de intensidades, anchura, altura, mnimo y mximo valor de intensidad. El objeto acepta
mtodos que se pueden usar para acceder y mostrar esta informacin. Para saber la lista de
mtodos aceptados se debe escribir methods imagemodel o help imagemodel/mtodo
para ms informacin a cerca de un mtodo determinado.
Sintaxis
imgmodel = getimagemodel(himage)
Descripcin
con himage o crea uno nuevo si no tiene asignado uno. himage debe ser un puntero a un
objeto de imagen o un array de punteros a objetos de imagen, en cuyo caso imgmodel ser
un array de modelos de imagen.
Ejemplos de uso
h = imshow('bag.png')
imgmodel = getimagemodel(h)
imgmodel =
Funciones relacionadas
imagemodel
getline
Obtencin de las coordenadas de una polilnea mediante su seleccin en
una figura
Introduccin
Una polilnea es un objeto formado por uno o ms segmentos de lnea (rectas o arcos).
Sintaxis
[x, y] = getline(fig)
[x, y] = getline(ax)
[x, y] = getline
[x, y] = getline(...,'closed')
Descripcin
actuales de la figura fig utilizando el ratn y recoger sus coordenadas en las variables X e
Y. Se debe usar un clic derecho del ratn para aadir puntos a la polilnea. Teniendo
presionadas las teclas Shift o derecha al hacer clic, o haciendo doble clic, se aade un
punto final y se finaliza la seleccin de la polilnea. Presionando Return o Enter se finaliza
la seleccin sin aadir un punto final. Presionando Backspace o Delete se elimina de la
polilnea el punto seleccionado.
[x, y] = getline(ax) permite seleccionar una polilnea en los ejes especificados por el
puntero ax.
[x, y] = getline es lo mismo que [x,y] = getline(gcf).
Ejemplos de uso
imshow('moon.tif')
[x,y] = getline
Funciones relacionadas
getpts, getrect
getneighbors
Obtencin de las localizaciones y alturas de los vecinos de un elemento
estructurante
Introduccin
Los elementos estructurantes son un tipo de objeto definido en MATLAB esencial en las
operaciones morfolgicas para examinar la imagen de entrada ya que sirven como patrn
de bsqueda. Se utiliza la funcin strel para crearlos.
Sintaxis
Descripcin
precisin double.
Al crear un elemento estructurante con la funcin strel sin deshabilitar la salida de datos
por pantalla mediante el operador ; (punto y coma) siempre se muestra tanto la vecindad
como la altura del elemento estructurante creado.
Ejemplos de uso
se =
Nonflat STREL object containing 2 neighbors.
Neighborhood:
1 0 1
Height:
5 0 -5
localizaciones =
0 -1
0 1
alturas =
5 -5
Funciones relacionadas
getnhood
Obtencin del array de vecindad de un elemento estructurante
Introduccin
Los elementos estructurantes son un tipo de objeto definido en MATLAB esencial en las
operaciones morfolgicas para examinar la imagen de entrada ya que sirven como patrn
de bsqueda. Se utiliza la funcin strel para crearlos.
Sintaxis
NHOOD = getnhood(SE)
Descripcin
Ejemplos de uso
se = strel('disk',4);
nhood = getnhood(se)
imagesc(nhood); axis xy; colormap('gray');
nhood =
0 0 1 1 1 0 0
0 1 1 1 1 1 0
1 1 1 1 1 1 1
1 1 1 1 1 1 1
1 1 1 1 1 1 1
0 1 1 1 1 1 0
0 0 1 1 1 0 0
Funciones relacionadas
strel, getneighbors
getpts
Obtencin de coordenadas de puntos en una figura mediante su seleccin
Sintaxis
[x, y] = getpts(fig)
[x, y] = getpts(ax)
[x, y] = getpts
Descripcin
puntos en los ejes actuales de la figura fig utilizando el ratn y recoger sus coordenadas en
las variables X e Y.
Usar el clic derecho del ratn para aadir puntos. Teniendo presionadas las teclas Shift o
derecha al hacer clic, o haciendo doble-clic, se aade un punto final y se finaliza la
seleccin. Presionando Return o Enter se finaliza la seleccin sin aadir un punto final.
Presionando Backspace o Delete se elimina el punto seleccionado.
[x, y] = getpts(ax) permite elegir puntos en los ejes especificados por el puntero ax.
Funciones relacionadas
getline, getrect
getrangefromclass
Obtencin del rango de visualizacin por defecto de una imagen segn su
clase
Sintaxis
range = getrangefromclass(I)
Descripcin
I puede ser de tipo uint8, uint16, int16, logical, single, o double. range es de clase
double.
Ejemplos de uso
Ejemplo 1: Leer una imagen en formato DICOM (Digital Imaging and Communication in
Medicine) y obtener su rango de visualizacin por defecto.
CT = dicomread('CT-MONO2-16-ankle.dcm');
r = getrangefromclass(CT)
r =
-32768 32767
Funciones relacionadas
intmin, intmax
getrect
Obtencin de las coordenadas de un rectngulo en una figura mediante
su seleccin
Sintaxis
rect = getrect(fig)
rect = getrect(ax)
Descripcin
ejes actuales de la figura fig utilizando el ratn y recoger sus coordenadas en la variable
rect, un vector de cuatro elementos (mnimo valor en x, mnimo valor en y, anchura y
Se debe usar el ratn para hacer clic y seleccionar el rectngulo deseado. Para hacer que el
rectngulo sea un cuadrado se debe tener pulsada primero la tecla Shift o hacer clic con el
botn derecho para empezar la seleccin.
Funciones relacionadas
getline, getpts
getsequence
Obtencin de los elementos estructurantes necesarios para la
descomposicin de un elemento estructurante
Introduccin
Los elementos estructurantes son un tipo de objeto definido en MATLAB esencial en las
operaciones morfolgicas para examinar la imagen de entrada ya que sirven como patrn
de bsqueda. Se utiliza la funcin strel para crearlos. Ms informacin en las pginas de
las funciones getheight, getneighbors o getnhood.
b = ones(5, 5)
b =
1 1 1 1 1
1 1 1 1 1
1 1 1 1 1
1 1 1 1 1
1 1 1 1 1
b1 = ones(1, 5)
b1 =
1 1 1 1 1
b2 = ones(5, 1)
b2 =
1
1
1
1
1
ans =
1 1 1 1 1
1 1 1 1 1
1 1 1 1 1
1 1 1 1 1
1 1 1 1 1
Sintaxis
SEQ = getsequence(SE)
Descripcin
Ejemplos de uso
b = strel('square',5)
decomp = getsequence(b)
b1 = getnhood(decomp(1))
b2 = getnhood(decomp(2))
b =
Flat STREL object containing 25 neighbors.
Decomposition: 2 STREL objects containing a total of 10 neighbors
Neighborhood:
1 1 1 1 1
1 1 1 1 1
1 1 1 1 1
1 1 1 1 1
1 1 1 1 1
decomp =
2x1 array of STREL objects
b1 =
Flat STREL object containing 5 neighbors.
Neighborhood:
1
1
1
1
1
b2 =
Flat STREL object containing 5 neighbors.
Neighborhood:
1 1 1 1 1
ans =
1 1 1 1 1
1 1 1 1 1
1 1 1 1 1
1 1 1 1 1
1 1 1 1 1
b = strel('diamond',5)
decomp = getsequence(b)
for k = 1:numel(decomp)
getnhood(decomp(k))
end
b =
Flat STREL object containing 61 neighbors.
Decomposition: 4 STREL objects containing a total of 17 neighbors
Neighborhood:
0 0 0 0 0 1 0 0 0 0 0
0 0 0 0 1 1 1 0 0 0 0
0 0 0 1 1 1 1 1 0 0 0
0 0 1 1 1 1 1 1 1 0 0
0 1 1 1 1 1 1 1 1 1 0
1 1 1 1 1 1 1 1 1 1 1
0 1 1 1 1 1 1 1 1 1 0
0 0 1 1 1 1 1 1 1 0 0
0 0 0 1 1 1 1 1 0 0 0
0 0 0 0 1 1 1 0 0 0 0
0 0 0 0 0 1 0 0 0 0 0
decomp =
4x1 array of STREL objects
ans =
0 1 0
1 1 1
0 1 0
ans =
0 1 0
1 0 1
0 1 0
ans =
0 0 1 0 0
0 0 0 0 0
1 0 0 0 1
0 0 0 0 0
0 0 1 0 0
ans =
0 1 0
1 0 1
0 1 0
Funciones relacionadas
gray2ind
Conversin de una imagen binaria o en escala de grises a una imagen
indexada
Sintaxis
Descripcin
indexada X. n especifica el tamao del mapa de color, que es gray(n). n debe ser entero y
estar comprendido entre 1 y 65536. Si se omite n, el valor por defecto es 64.
n especifica el tamao del mapa de color, que es gray(n). Si se omite n, el valor por
defecto es 2.
gray2ind escala y despus redondea la imagen de intensidad para producir una imagen
indexada equivalente.
La imagen de entrada I puede ser de tipo logical, uint8, uint16, int16, single, o
double y debe ser real y no dispersa. La imagen I puede tener cualquier dimensin. La
clase de la imagen de salida X es uint8 si la longitud del mapa de color es menor o igual
que 256; en caso contrario ser tipo uint16.
Ejemplos de uso
Ejemplo 1: Convertir una imagen en escala de grises en una imagen indexada y comparar
ambas imgenes.
I = imread('cameraman.tif');
imshow(I)
[X, map] = gray2ind(I, 16);
figure, imshow(X, map);
Figura f.179 - Imagen original (I) en escala de grises Figura f.198 - Imagen convertida a indexada (X)
Funciones relacionadas
graycomatrix
Creacin de una matriz de coocurrencia de niveles de gris (GLCM ) a
partir de una imagen
Introduccin
La siguiente imagen muestra cmo se calculan varios valores en la GLCM de una imagen
I de 4-por-5. El elemento (1,1) en la matriz vale 1 porque en la imagen solo ocurre una vez
Sintaxis
glcm = graycomatrix(I)
glcms = graycomatrix(I, param1, val1, param2, val2,...)
[glcm, SI] = graycomatrix(...)
Descripcin
graycomatrix calcula la matriz GLCM a partir de una versin escalada de la imagen. Por
defecto, si I es una imagen binaria, graycomatrix escala la imagen a dos niveles de gris.
Si I es una imagen de intensidades, graycomatrix escala la imagen a ocho niveles de gris.
Se puede especificar el nmero de niveles de gris que usar la funcin mediante el
parmetro NumLevels, y la forma en que la funcin escala los valores con el parmetro
'GrayLimits'.
GLCMs dependiendo de los valores de varios parmetros. Los nombres de los parmetros
se pueden abreviar y no son sensibles a las maysculas:
0 [0 D]
45 [-D D]
90 [-D 0]
I puede ser de tipo numeric o logical pero debe ser bidimensional, real, y no dispersa. SI
es una matriz en formato double que tiene el mismo tamao que I. glcms es un array
double de tamao 'NumLevels'-por-'NumLevels'-por-P donde P es el nmero de
Ejemplos de uso
I = imread('cameraman.tif');
glcm = graycomatrix(I,'Offset',[2 0]);
Funciones relacionadas
graycoprops
graycoprops
Obtencin de propiedades de una matriz de co-ocurrencia de niveles de
gris (GLCM)
Introduccin
Sintaxis
Descripcin
variable properties a partir de una matriz de coocurrencia de niveles de gris glcm que es
un array de m-por-n-por-p de matrices de co-ocurrencia vlidas. Si glcm es un array de
matrices de coocurrencia, stats es un array de estadsticas para cada glcm.
graycoprops normaliza la GLCM para que la suma de sus elementos sea igual a 1. Cada
properties puede ser una lista de propiedades separadas por coma, un array de celdas con
Propiedad Descripcin
'Contrast' Devuelve una medida de contraste de intensidad entre un pixel y su
vecino, sobre la imagen completa.
Rango = [0 (size(GLCM,1)-1)^2]
Su valor ser 0 para una imagen constante.
Tambin conocida como varianza e inercia.
'Correlation' Devuelve una medida de cmo est un pixel de correlado a su
vecino, sobre la imagen completa.
Rango = [-1,1]
Su valor ser 1 o -1 para una imagen perfectamente correlada
positiva o negativamente. Ser un nmero indeterminado NaN (Not-a-
Number) para una imagen constante.
'Energy' Devuelve la suma de los elementos encuadrados en la GLCM.
Rango = [0,1]
Su valor ser 1 para una imagen constante.
Tambin conocida como uniformidad y segundo momento angular.
'Homogeneity' Devuelve un valor que mide el parecido de la distribucin de
elementos en la GLCM a la diagonal de la matriz.
Rango = [0,1]
Su valor ser 1 para una GLCM diagonal.
stats es una estructura con campos especificados por properties. Cada campo contiene
glcm puede ser de tipo numeric o logical y debe contener enteros reales, no negativos y
Ejemplos de uso
stats =
Contrast: 2.8947
Correlation: 0.0783
Energy: 0.1191
Homogeneity: 0.5658
Ejemplo 2: Crear una matriz de co-ocurrencia a partir de una imagen y obtener sus
propiedades.
I = imread('circuit.tif');
GLCM2 = graycomatrix(I,'Offset',[2 0;0 2]);
stats = graycoprops(GLCM2,{'contrast','homogeneity'})
stats =
Contrast: [0.3307 0.3358]
Homogeneity: [0.8534 0.8531]
Funciones relacionadas
graycomatrix
grayslice
Conversin de una imagen en escala de grises a una imagen indexada
utilizando umbral multinivel
Sintaxis
X = grayslice(I, n)
Descripcin
La imagen de entrada I puede ser de tipo uint8, uint16, int16, single, o double y debe
ser no dispersa. Los valores del umbral estn siempre entre 0 y 1, incluso si I es del tipo
uint8 o uint16. En este caso, cada valor de umbral se multiplica por 255 o 65535 para
Ejemplos de uso
Ejemplo 1: Convertir una imagen en escala de grises a una imagen indexada utilizando
umbral multinivel.
I = imread('cameraman.tif');
X = grayslice(I,16);
imshow(I)
figure, imshow(X,jet(16))
Figura f.179 - Imagen original (I) en escala de Figura f.201 - Imagen convertida a indexada (X)
grises usando grayslice
Funciones relacionadas
gray2ind
graythresh
Clculo del umbral ptimo de una imagen mediante el mtodo de Otsu
Introduccin
La umbralizacin se suele emplear cuando hay una clara diferencia entre los objetos a
extraer respecto del fondo de la escena. Al aplicar un umbral T, la imagen en escala de
grises f(x,y) quedar binarizada y etiquetada con 1 los pxeles correspondientes al objeto
y con 0 aquellos que son del fondo. Si el umbral solo depende de f(x,y) se dice que es un
umbral global; en el caso de que adems dependa de p(x,y), por ejemplo, el valor medio de
los pxeles vecinos, el umbral se denomina local; y si depende tambin de la posicin (x,y)
del pixel, se denomina dinmico.
Sintaxis
level = graythresh(I)
[level EM] = graythresh(I)
Descripcin
umbral se puede utilizar para convertir una imagen de intensidades a una imagen binaria
con la funcin im2bw. level es un valor de intensidad normalizado que est en el rango
[0,1].
La funcin graythresh usa el mtodo de Otsu, el cual elige el umbral ptimo para
minimizar la varianza intraclase de los pxeles blanco y negro.
La imagen de entrada I puede ser de tipo uint8, uint16, int16, single,o double y debe
ser de tipo no disperso. El valor devuelto level es un escalar de tipo double, igual que la
medida de efectividad EM.
Ejemplos de uso
Ejemplo 1: Convertir una imagen en escala de grises a binario utilizando la funcin im2bw
y el umbral obtenido por el mtodo de Otsu.
I = imread('euros.tif');
imshow(I)
level = graythresh(I)
BW = im2bw(I,level);
figure, imshow(BW)
level =
0.4078
Figura f.202- Imagen original (I) en escala de grises Figura f.203 - Imagen convertida a binaria (X)
Funciones relacionadas
im2bw
hdrread
Lectura de una imagen de alto rango dinmico (HDR)
Introduccin
En procesado de imgenes, grficos por ordenador y fotografa, las imgenes de alto rango
dinmico (HDR, High Dynamic Range) son un conjunto de tcnicas que permiten un mejor
rango dinmico de luminancias entre las zonas ms claras y las ms oscuras de una imagen
del que pueden ofrecer las tcnicas de imagen digital estndar o mtodos fotogrficos. Este
rango dinmico ms extenso permite a las imgenes HDR representar con ms exactitud el
extenso rango de niveles de intensidad encontrados en escenas reales, que van desde luz
solar directa hasta la dbil luz de las estrellas. [19]
Los dos principales orgenes de las imgenes HDR son el renderizado por ordenador y la
mezcla de mltiples fotografas, que a su vez son conocidas como fotografas de bajo
rango dinmico (LDR), tambin llamadas de rango dinmico estndar (SDR). [20]
Las tcnicas de mapeo de tonos, que reducen todo el contraste para facilitar que
dispositivos con menos rango dinmico muestren imgenes HDR, pueden aplicarse para
producir imgenes conservando o exagerando el contraste localmente para realizar un
efecto artstico.
Sintaxis
hdr = hdrread(filename)
Descripcin
variable filename. hdr es un array RGB de m-por-n-por-3 en el rango [0,inf) y del tipo
single. Para datos referidos a una escena, estos valores suelen ser la iluminacin de la
escena en unidades de radiancia espectral. Para mostrar estas imgenes se debe usar un
operador de mapeo tonal apropiado.
Ejemplos de uso
hdr = hdrread('office.hdr');
I = tonemap(hdr);
imshow(I)
Funciones relacionadas
hdrwrite
Escribir una imagen HDR en un archivo en formato .hdr (Radiance)
Introduccin
Radiance (.hdr) es un formato de archivo de 32 bits por canal utilizado en imgenes de alto
rango dinmico (HDR, High Dynamic Range). Este formato se desarroll originalmente
para el sistema Radiance, una herramienta profesional para visualizar la iluminacin en
entornos virtuales. El formato de archivo guarda la cantidad de luz por pxel en lugar de
solo los colores que se van a visualizar en la pantalla. Los niveles de luminosidad que es
capaz de interpretar el formato Radiance son mucho ms altos que los 256 niveles de los
formatos de archivos de imgenes de 8 bits por canal. La gama tonal registrada es tan
extensa que no es posible representar la imagen en un monitor comn. Existen programas
especficos que permiten manejar estos archivos y comprimir la gama tonal para poder
representar toda esa informacin, como es el caso de MATLAB. Los archivos Radiance
(.hdr) se utilizan normalmente en modelado en 3D.
Sintaxis
hdrwrite(hdr, filename)
Descripcin
Funciones relacionadas
histeq
Mejora del contraste mediante ecualizacin del histograma
Introduccin
Sintaxis
J = histeq(I, hgram)
J = histeq(I, n)
[J, T] = histeq(I,...)
newmap = histeq(X, map, hgram)
newmap = histeq(X, map)
[newmap, T] = histeq(X,...)
Descripcin
histeq mejora el contraste de las imgenes transformando los valores de una imagen de
intensidades o los valores del mapa de color de una imagen indexada para que el
histograma de la imagen de salida se aproxime al histograma especificado.
newmap = histeq(X, map, hgram) transforma el mapa de color map asociado con la
newmap = histeq(X, map) transforma los valores del mapa de color map para que el
Para las sintaxis que incluyen como entrada una imagen de intensidades I, la imagen puede
ser del tipo uint8, uint16, int16, single, o double. La imagen de salida J tendr el
mismo tipo que I. Para la sintaxis que incluye como entrada una imagen indexada X, la
imagen puede ser del tipo uint8, single, o double. El mapa de color de salida es siempre
de tipo double. La salida opcional T (la transformacin de los niveles de gris) es siempre
de tipo double.
Ejemplos de uso
Ejemplo 1: Mejorar el contraste de una imagen con una ecualizacin del histograma y
comparar los histogramas original y mejorado.
I = imread('M131806467LC.tif');
J = histeq(I);
imshow(I); figure, imshow(J)
Figura f.1 - Imagen original (I) Figura f.6 - Imagen con contraste mejorado (J)
Figura f. 7 - Histograma de imagen original (I) Figura f.9 - Histograma de imagen con contraste
mejorado (J)
Funciones relacionadas
hough
Transformada Hough
Introduccin
La transformada de Hough permite, tras procesar una imagen, detectar todas las lneas
rectas dentro de ella (u otros objetos geomtricos que admitan descripciones paramtricas).
Es una tcnica muy robusta frente al ruido y a la existencia de huecos en la frontera del
objeto. La idea bsica de esta tcnica es encontrar curvas tales como rectas, polinomios,
crculos, etc., que puedan ser localizadas en un espacio de parmetros adecuado. Aunque la
transformada se puede utilizar para dimensiones mayores, se usa principalmente en dos
dimensiones y es muy recurrida en tcnicas de segmentacin.
Sintaxis
Descripcin
imagen binaria BW. Usa la funcin hough para detectar lneas en la imagen. La funcin
devuelve H, la matriz de la Transformada de Hough. theta (en grados) y rho son los arrays
de las variables rho y theta sobre los que la funcin hough genera la matriz. BW puede ser
de tipo numeric o logical y debe ser real, bidimensional y no disperso.
Ejemplos de uso
I1 = imread('1punto.png');
BW1=im2bw(I1);
imshow(BW1)
hold
close all
I3 = imread('3punto.png');
BW3=im2bw(I3);
imshow(BW3)
Figura f.205 - Imagen original (I1) Figura f.206 - Transformada Hough de la imagen I1
Figura f.207 - Imagen original (I3) Figura f.208 - Transformada Hough de la imagen I3
I = imread('3punto.png');
BW=im2bw(I);
[H,T,R] = hough(BW,'RhoResolution',10,'ThetaResolution',10);
figure,
imshow(imadjust(mat2gray(H)),'XData',T,'YData',R,'InitialMagnification','
fit')
xlabel('\theta'), ylabel('\rho'); axis on, axis normal;
[H,T,R] = hough(BW,'RhoResolution',20,'ThetaResolution',20);
figure,
imshow(imadjust(mat2gray(H)),'XData',T,'YData',R,'InitialMagnification','
fit')
xlabel('\theta'), ylabel('\rho'); axis on, axis normal;
[H,T,R] = hough(BW,'RhoResolution',30,'ThetaResolution',30);
figure,
imshow(imadjust(mat2gray(H)),'XData',T,'YData',R,'InitialMagnification','
fit')
xlabel('\theta'), ylabel('\rho'); axis on, axis normal;
[H,T,R] = hough(BW,'RhoResolution',40,'ThetaResolution',60);
figure,
imshow(imadjust(mat2gray(H)),'XData',T,'YData',R,'InitialMagnification','
fit')
xlabel('\theta'), ylabel('\rho'); axis on, axis normal;
Figura f.209 - Transformada Hough resolucin 10 Figura f.210 - Transformada Hough resolucin 20
Figura f.211 - Transformada Hough resolucin 30 Figura f.212 - Transformada Hough resolucin 60
Funciones relacionadas
houghlines, houghpeaks
houghlines
Extraccin de segmentos de lnea partir de la transformada de Hough
Sintaxis
lines = houghlines(BW, theta, rho, peaks)
lines = houghlines(..., param1, val1, param2, val2)
Descripcin
imagen BW asociados a los picos o mximos de la Transformada Hough. theta y rho son
los vectores devueltos por la funcin hough que aplica la Transformada Hough. peaks es
una matriz devuelta por la funcin houghpeaks que contiene las coordenadas (fila y
columna) de los picos de la Transformada Hough que se deben usar para buscar segmentos
de lnea. Si en la imagen de entrada no estn bien definidos los bordes del fondo, el
resultado de la bsqueda de lneas no ser el esperado, por lo que se deber procesar antes
la imagen en busca de los bordes con la funcin edge.
Campo Descripcin
point1 Vector de dos elementos [X Y] que especifica las coordenadas del punto final
del segmento de lnea.
point2 Vector de dos elementos [X Y] que especifica las coordenadas del punto final
del segmento de lnea.
theta ngulo en grados asociado en la Transformada Hough.
rho Posicin asociada en la Transformada Hough en el eje rho.
Parmetro Descripcin
'FillGap' Escalar real positivo que especifica la distancia entre dos segmentos de
lneas asociados con la misma celda de Transformada Hough. Cuando la
distancia entre los segmentos de lnea es menor que el valor especificado,
la funcin houghlines combina los segmentos de lnea en un nico
segmento. (Por defecto: 20)
'MinLength' Escalar real positivo que especifica si las lneas combinadas deben
mantenerse o descartarse. Se descartan las lneas ms cortas que el valor
especificado. (Por defecto: 40)
BW puede ser de tipo numeric o logical y debe ser real, bidimensional y no disperso.
Ejemplos de uso
RGB = imread('lineas.png');
imshow(RGB)
BW = im2bw(RGB);
[H,T,R] = hough(BW);
P = houghpeaks(H,20);
lineas = houghlines(BW,T,R,P);
fh = figure;
imshow(BW), hold on
max_len = 0;
for k = 1:length(lineas)
xy = [lineas(k).point1; lineas(k).point2];
plot(xy(:,1),xy(:,2),'LineWidth',2,'Color','red');
plot(xy(1,1),xy(1,2),'x','LineWidth',2,'Color','yellow');
plot(xy(2,1),xy(2,2),'x','LineWidth',2,'Color','green');
end
% Vemos que hay dos segmentos que no los detecta. Habra que o bien
variar el umbral de deteccin de la funcin houghpeaks o buscar un theta
y rho determinados tales que el vector de picos/ mximos devuelto por
houghpeaks tuviera al menos 5 elementos (las 5 posibles lneas). Ms
detalle en la funcin houghpeaks.
Figura f.213 - Imagen original (RGB) Figura f.214 - Lneas detectadas con la
Transformada Hough
RGB = imread('lego.tif');
imshow(RGB)
I = rgb2gray(RGB);
BW = edge(I,'canny');
BW = bwareaopen(BW,40);
[H,T,R] = hough(BW);
peaks = houghpeaks(H,100);
% Buscamos las lneas y las mostramos con los valores por defecto.
lines = houghlines(BW,T,R,peaks);
figure, imshow(I), hold on
max_len = 0;
for k = 1:length(lines)
xy = [lines(k).point1; lines(k).point2];
plot(xy(:,1),xy(:,2),'LineWidth',2,'Color','red');
plot(xy(1,1),xy(1,2),'x','LineWidth',2,'Color','yellow');
plot(xy(2,1),xy(2,2),'x','LineWidth',2,'Color','green');
end
lines = houghlines(BW,T,R,peaks,'FillGap',100,'MinLength',10);
figure, imshow(I), hold on
max_len = 0;
for k = 1:length(lines)
xy = [lines(k).point1; lines(k).point2];
plot(xy(:,1),xy(:,2),'LineWidth',2,'Color','red');
plot(xy(1,1),xy(1,2),'x','LineWidth',2,'Color','yellow');
plot(xy(2,1),xy(2,2),'x','LineWidth',2,'Color','green');
end
Figura f.216 - Lneas detectadas con la Figura f.217 - Lneas detectadas con la
Transformada Hough por defecto Transformada Hough con 'FillGap'=100 y
'MinLength'=10
Funciones relacionadas
hough, houghpeaks
houghpeaks
Localizacin de picos en la Transformada Hough
Sintaxis
Descripcin
Transformada Hough H, generada por la funcin hough. numpeaks es un valor escalar que
especifica el mximo nmero de picos a identificar. Si se omite numpeaks, por defecto vale
1.
La funcin devuelve en peaks una matriz Q-por-2 donde Q puede estar comprendido en el
rango de 0 a numpeaks. Q guarda las coordenadas de la fila y la columna de los picos.
pares de parmetros y valores de entre los listados en la siguiente tabla. Los nombres de los
parmetros se pueden abreviar y no son sensibles a las maysculas:
Parmetro Descripcin
'Threshold' Valor escalar no negativo que especifica el umbral en el que los valores
de H se consideran picos. El umbral puede variar desde 0 hasta Inf
(infinito).
(Por defecto: 0.5*max(H(:)))
'NHoodSize' Vector de dos elementos de enteros positivos impares: [M N].
'NHoodSize' especifica el tamao de la vecindad que se suprimir, que
es el conjunto de pxeles alrededor de cada pico que se pondr a cero
despus de identificar el pico.
(Por defecto: los valores impares ms pequeos que sean mayores o
iguales que size(H)/50)
Ejemplos de uso
I = imread('3punto.png');
BW=im2bw(I);
imshow(BW)
[H, T, R] = hough(BW);
P = houghpeaks(H);
figure, imshow(imadjust(mat2gray(H)), 'XData', T, 'YData', R,
'InitialMag', 'fit')
xlabel('\theta'), ylabel('\rho');
axis on, axis normal, hold on;
plot(T(P(:,2)),R(P(:,1)),'s','color','red','LineWidth',4);
Figura f.207 - Imagen original (I) Figura f.218 - Picos detectados en la Transformada
Hough de la imagen I
a) Directamente
RGB = imread('lineas.png');
imshow(RGB)
BW = im2bw(RGB);
[H,T,R] = hough(BW);
P = houghpeaks(H,20)
lineas = houghlines(BW,T,R,P);
fh = figure;
imshow(BW), hold on
max_len = 0;
for k = 1:length(lineas)
xy = [lineas(k).point1; lineas(k).point2];
plot(xy(:,1),xy(:,2),'LineWidth',2,'Color','red');
plot(xy(1,1),xy(1,2),'x','LineWidth',2,'Color','yellow');
plot(xy(2,1),xy(2,2),'x','LineWidth',2,'Color','green');
end
P =
1353 139
1530 140
1208 140
Figura f.207 - Imagen original (RGB) Figura f.219 - Segmentos detectados con los valores
por defecto
RGB = imread('lineas.png');
imshow(RGB)
BW = im2bw(RGB);
[H,T,R] = hough(BW);
P = houghpeaks(H,20,'Threshold',0.5)
lineas = houghlines(BW,T,R,P);
fh = figure;
imshow(BW), hold on
max_len = 0;
for k = 1:length(lineas)
xy = [lineas(k).point1; lineas(k).point2];
plot(xy(:,1),xy(:,2),'LineWidth',2,'Color','red');
plot(xy(1,1),xy(1,2),'x','LineWidth',2,'Color','yellow');
plot(xy(2,1),xy(2,2),'x','LineWidth',2,'Color','green');
end
P =
1353 139
1530 140
1208 140
1362 136
1053 139
1052 142
1661 139
1360 142
1659 142
1340 136
1205 143
1661 136
1520 143
1521 136
1541 136
1198 136
1051 136
1340 143
1049 145
1220 136
Figura f.207 - Imagen original (RGB) Figura f.220 - Segmentos detectados variando
umbral de houghpeaks
RGB = imread('lineas.png');
imshow(RGB)
BW = im2bw(RGB);
[H,T,R] = hough(BW);
v=0;
for i=0.1:.1:89
[H,T,R] = hough(BW,'RhoResolution',i,'ThetaResolution',i);
P = houghpeaks(H,20);
[a, b]=size(P);
if (a>=6)&&(v==0)
v=i;
end
end
[H,T,R] = hough(BW,'RhoResolution',v,'ThetaResolution',v);
P = houghpeaks(H,20)
lineas = houghlines(BW,T,R,P);
fh = figure;
imshow(BW), hold on
max_len = 0;
for k = 1:length(lineas)
xy = [lineas(k).point1; lineas(k).point2];
plot(xy(:,1),xy(:,2),'LineWidth',2,'Color','red');
plot(xy(1,1),xy(1,2),'x','LineWidth',2,'Color','yellow');
plot(xy(2,1),xy(2,2),'x','LineWidth',2,'Color','green');
end
P =
13606 1351
13394 1351
16590 1351
15169 1351
15367 1351
11959 1351
12150 1351
10531 1351
13528 1376
15280 1400
Figura f.207 - Imagen original (RGB) Figura f.221 - Segmentos detectados variando
resolucin de theta y rho de la Transformada Hough
Funciones relacionadas
hough, houghlines
iccfind
Bsqueda de perfiles ICC
Introduccin
Dentro del mbito de la Gestin del color, un perfil ICC es un conjunto de datos que
caracteriza a un dispositivo de entrada o salida de color, o espacio color, segn los
estndares promulgados por el Consorcio Internacional del Color (ICC). [21]
Sintaxis
P = iccfind(directory)
[P, descriptions] = iccfind(directory)
[...] = iccfind(directory, pattern)
Descripcin
[...] = iccfind(directory, pattern) devuelve todos los perfiles ICC del directorio
Ejemplos de uso
Ejemplo 1: Leer todos los perfiles ICC del directorio por defecto.
profiles = iccfind(iccroot);
Ejemplo 2: Listar todos los perfiles ICC con cadenas de texto que describan a cada perfil.
Ejemplo 3: Buscar los perfiles cuyo campo Description contenga la palabra rgb.
Funciones relacionadas
iccread
Lectura de un perfil ICC
Introduccin
Dentro del mbito de la Gestin del color, un perfil ICC es un conjunto de datos que
caracteriza a un dispositivo de entrada o salida de color, o espacio color, segn los
estndares promulgados por el Consorcio Internacional del Color (ICC). [21]
Sintaxis
P = iccread(filename)
Descripcin
filename. El archivo puede ser un perfil ICC o un archivo TIFF que contenga un perfil
ICC incrustado. Para saber si un archivo TIFF contiene un perfil ICC se debe utilizar la
funcin imfinfo para leer los detalles del archivo y ver si existe el campo
ICCProfileOffset. iccread busca el archivo en el directorio actual, en un directorio en
El nmero de campos en P depende de la clase del perfil y de las opciones que se eligieron
al crear el perfil. iccread devuelve todas las etiquetas para un perfil dado, ya sean
pblicas o privadas. Las etiquetas privadas y ciertas etiquetas pblicas se mantienen como
datos de tipo uint8 codificados. La siguiente tabla muestra los campos que se encuentran
en cualquier estructura de perfil generada por iccread, en el orden que aparecen en la
estructura:
Ejemplos de uso
Ejemplo 1: Leer un perfil ICC que describe un monitor tpico de ordenador. Determinar el
espacio de color de la fuente.
P = iccread('sRGB.icm')
P.Header.ColorSpace
P =
Header: [1x1 struct]
TagTable: {17x3 cell}
Copyright: 'Copyright (c) 1999 Hewlett-Packard Company'
Description: [1x1 struct]
MediaWhitePoint: [0.9505 1 1.0891]
MediaBlackPoint: [0 0 0]
DeviceMfgDesc: [1x1 struct]
DeviceModelDesc: [1x1 struct]
ViewingCondDesc: [1x1 struct]
ViewingConditions: [1x1 struct]
Luminance: [76.0365 80 87.1246]
Measurement: [1x36 uint8]
Technology: [115 105 103 32 0 0 0 0 67 82 84 32]
MatTRC: [1x1 struct]
PrivateTags: {}
Filename: 'sRGB.icm'
ans =
RGB
Funciones relacionadas
iccroot
Bsqueda del directorio de almacenamiento por defecto de los perfiles
ICC
Introduccin
Dentro del mbito de la Gestin del color, un perfil ICC es un conjunto de datos que
caracteriza a un dispositivo de entrada o salida de color, o espacio color, segn los
estndares promulgados por el Consorcio Internacional del Color (ICC). [21]
Sintaxis
rootdir = iccroot
Descripcin
rootdir = iccroot devuelve el directorio del sistema que contiene los perfiles ICC. Se
pueden guardar perfiles adicionales en otros directorios, pero esta es la localizacin por
defecto que usa el sistema de administracin de color.
Ejemplos de uso
Ejemplo 1: Informar de todos los perfiles que se encuentran en el directorio por defecto.
iccfind(iccroot)
Funciones relacionadas
iccwrite
Escritura de un perfil de color ICC a un archivo
Introduccin
Dentro del mbito de la Gestin del color, un perfil ICC es un conjunto de datos que
caracteriza a un dispositivo de entrada o salida de color, o espacio color, segn los
estndares promulgados por el Consorcio Internacional del Color (ICC). [21]
Sintaxis
Descripcin
P_new = iccwrite(P, filename) escribe los datos del perfil de color ICC de la
P es una estructura que representa un perfil ICC en el formato devuelto por la funcin
espacio de color. P debe contener todas las etiquetas y campos que dictan las
especificaciones del perfil ICC. Algunos campos pueden ser inconsistentes debido a
cambios en la estructura, por ejemplo la tabla de etiquetas puede que no sea correcta
porque las etiquetas se pueden haber aadido, borrado o modificado desde que se cre la
tabla. iccwrite realiza las correcciones necesarias en la estructura antes de escribirla en el
archivo y devuelve la estructura corregida en la variable P_new.
Nota: ICC recomienda modificar el campo Description del perfil ICC antes de
escribir los datos en un archivo ya que puede haber sido modificado por alguna
aplicacin. Cada perfil debe tener una descripcin nica en ese campo.
iccwrite puede escribir los datos del perfil de color utilizando la Versin 2 (ICC.1:2001-
Ejemplos de uso
P = iccread('monitor.icm');
P.Description.String = 'Mi nueva Descripcin';
pmon = iccwrite(P, 'monitor2.icm');
Funciones relacionadas
idct2
Transformada de coseno discreta inversa en 2-D
Introduccin
La Transformada de Coseno Discreta (DCT) representa una imagen como una suma de
sinusoides de magnitudes y frecuencias oscilantes. La DCT tiene la propiedad de que para
una imagen corriente, la mayora de informacin o energa importante para su
visualizacin se localiza solo en unos pocos coeficientes de la DCT. Por eso es la
transformada ms utilizada en los estndares de compresin de imgenes. Por ejemplo, es
la transformada que se usa en la compresin JPEG, Mp3 o MPEG.
Sintaxis
B = idct2(A)
B = idct2(A,m,n)
B = idct2(A,[m n])
Descripcin
de A.
B = idct2(A,m,n) rellena A con 0's hasta alcanzar el tamao m-por-n antes de realizar la
La matriz de entrada A puede ser de tipo double o de cualquier clase numrica. La matriz
de salida B es de tipo double.
Ejemplos de uso
RGB = imread('autumn.jpg');
imshow(RGB)
DIR = dir('autumn.jpg');
tamorig=DIR.bytes;
JR=dct2(RGB(:,:,1));
JG=dct2(RGB(:,:,2));
JB=dct2(RGB(:,:,3));
q = 50;
qR=round(JR/q);
qG=round(JG/q);
qB=round(JB/q);
iqR=qR.*q;
iqG=qG.*q;
iqB=qB.*q;
JR=idct2(iqR);
JG=idct2(iqG);
JB=idct2(iqB);
J(:,:,1)=JR;
J(:,:,2)=JG;
J(:,:,3)=JB;
J = uint8(J);
figure, imshow(J)
tamorig
imwrite (J, 'pautumn.jpg');
DIR = dir('pautumn.jpg');
tamproc=DIR.bytes
tamorig =
1266731
tamproc =
237376
Funciones relacionadas
ifanbeam
Transformada en abanico inversa
Sintaxis
I = ifanbeam(F,D)
I = ifanbeam(...,param1,val1,param2,val2,...)
[I,H] = ifanbeam(...)
Descripcin
Parmetro Descripcin
'FanCoverage' Cadena que especifica la cobertura de rotacin de los ejes:
'cycle' Rotar completamente [0,360). (Por defecto)
'minimal' Rotar lo mnimo necesario para representar el
objeto.
'FanRotationIncrement' Escalar real positivo que especifica el incremento del ngulo
de rotacin de las proyecciones de haz en abanico. Medido
en grados. (Por defecto: 1)
'FanSensorGeometry' Cadena que especifica cmo se posicionan los sensores:
'arc' Los sensores estn equiespaciados a travs de un
arco circular a una distancia D del centro de rotacin. (Por
defecto)
vector H.
Los parmetros de entrada F y D pueden ser de tipo double o single. El resto de entradas
numricas deben ser de tipo double. Los argumentos de salida son tipo double.
Ejemplos de uso
ph = phantom(512);
d = 400;
% Proyecciones en abanico
F = fanbeam(ph,d);
imshow(ph),
figure, imshow(phr)
Figura f.165 - Imagen original (ph) Figura f.223 - Imagen recuperada (phr)
ph = phantom(512);
P = radon(ph);
[F,obeta,otheta] = para2fan(P,400,...
'FanSensorSpacing',0.5,...
'FanCoverage','minimal',...
'FanRotationIncrement',1);
% Reconstruimos.
phr = ifanbeam(F,400,...
'FanSensorSpacing',0.5,...
'Filter','Shepp-Logan',...
'OutputSize',512,...
'FanCoverage','minimal',...
'FanRotationIncrement',1);
imshow(ph)
figure, imshow(phr)
Figura f.127 - Imagen original (ph) Figura f.224 - Imagen recuperada (phr)
Funciones relacionadas
im2bw
Conversin a imagen binaria mediante un umbral
Sintaxis
BW = im2bw(I, level)
BW = im2bw(X, map, level)
BW = im2bw(RGB, level)
Descripcin
salida BW tendr valor 1 (blanco) en todos los pxeles de la imagen de entrada que tengan
una luminancia mayor que el nivel o umbral especificado en la variable level, y valor 0
(negro) en el resto de pxeles. El umbral de la variable level ser del rango [0, 1] y es
relativo a los niveles de seal posibles para el tipo/clase de imagen. Por ejemplo, un valor
de 0.5 significa que est en medio del blanco y el negro, sin tener en cuenta el tipo/clase
de la imagen. Para calcular el umbral se puede utilizar la funcin graythresh que
devuelve el umbral ptimo segn el mtodo de Otsu. Si no se especifica el umbral en la
variable level, im2bw utiliza el valor de 0.5.
La imagen de entrada puede ser de tipo uint8, uint16, single, int16, o double y debe
ser de tipo no disperso. La imagen de salida BW es de tipo logical. I y X deben ser
bidimensionales. Las imgenes RGB son de tamao M-por-N-por-3.
Ejemplos de uso
Ejemplo 1: Convertir una imagen RGB a binario utilizando el umbral ptimo devuelto por
la funcin graythresh.
I = imread('paints.tif');
imshow(I)
threshold = graythresh(I);
BW = im2bw(I,threshold);
figure, imshow(BW)
Figura f.225 - Imagen original (I) Figura f.226 - Imagen convertida a binaria (BW) con
im2bw
I = imread('bird.tif');
imshow(I)
threshold = graythresh(I);
BW = im2bw(I,threshold);
figure, imshow(BW)
threshold = 0.2;
BW2 = im2bw(I,threshold);
figure, imshow(BW)
threshold = 0.4;
BW3 = im2bw(I,threshold);
figure, imshow(BW)
Figura f.227 - Imagen original (I) Figura f.228 - Imagen convertida a binaria (BW)
usando umbral ptimo
Figura f.229 - Imagen convertida a binaria (BW2) Figura f.230 - Imagen convertida a binaria (BW3)
usando umbral de 0.2 usando umbral de 0.4
Funciones relacionadas
im2col
Recolocacin de bloques de imagen en columnas
Introduccin
La funcin im2col reordena bloques de una imagen en columnas, mientras que col2im
realiza la operacin complementaria. El uso de estas funciones es bastante confuso por lo
que se suele intentar evitarlas utilizando otras funciones ms avanzadas y especficas como
reshape, blockproc o nlfilter.
Sintaxis
B = im2col(A,[m n],block_type)
B = im2col(A,'indexed',...)
Descripcin
de una imagen. La variable block_type determina la forma como se cogen los bloques y
puede tomar cualquiera de los siguiente valores:
Valor Descripcin
'distinct' Recoloca cada bloque distinto de tamao m-por-n de la imagen A en una
columna de B. im2col rellena A con ceros si es necesario, para que su
tamao sea un entero mltiplo de m-por-n. Si A = [A11 A12; A21
A22], donde cada A ij es de tamao m-por-n, entonces B = [A11(:)
A12(:) A21(:) A22(:)].
Esta forma est pensada para operaciones sobre las columnas de B, por
ejemplo utilizando la funcin sum(B) que devuelve un escalar para cada
columna de B (vecindad de A), realizando una suma alrededor de esa
vecindad y pudiendo guardar directamente el resultado en una matriz de
tamao (mm-m+1)-por-(nn-n+1) que es lo que la funcin
complementaria col2im espera recibir para reconstruir la imagen
despus del procesado.
B = im2col(A,[m n],'sliding');
C = col2im(sum(B),mm-m+1,nn-n+1,'sliding');
(Por defecto)
La imagen de entrada A puede ser de tipo numeric o logical. La matriz de salida B es del
mismo tipo/clase que la imagen de entrada. Los bloques se cogen de izquierda a derecha y
de arriba abajo en A y las columnas se aaden de izquierda a derecha en B.
Ejemplos de uso
A = [1:10;11:20;21:30;31:40]
S = im2col(A,[4,3],'sliding')
D = im2col(A,[4,3],'distinct')
A =
1 2 3 4 5 6 7 8 9 10
11 12 13 14 15 16 17 18 19 20
21 22 23 24 25 26 27 28 29 30
31 32 33 34 35 36 37 38 39 40
S =
1 2 3 4 5 6 7 8
11 12 13 14 15 16 17 18
21 22 23 24 25 26 27 28
31 32 33 34 35 36 37 38
2 3 4 5 6 7 8 9
12 13 14 15 16 17 18 19
22 23 24 25 26 27 28 29
32 33 34 35 36 37 38 39
3 4 5 6 7 8 9 10
13 14 15 16 17 18 19 20
23 24 25 26 27 28 29 30
33 34 35 36 37 38 39 40
D =
1 4 7 10
11 14 17 20
21 24 27 30
31 34 37 40
2 5 8 0
12 15 18 0
22 25 28 0
32 35 38 0
3 6 9 0
13 16 19 0
23 26 29 0
33 36 39 0
Ejemplo 2: Pasar cada componente de una imagen RGB a una matriz columna.
RGB = imread('rgb.jpg')
rc = im2col(RGB(:,:,1),[size(RGB,1) size(RGB,2)]);
gc = im2col(RGB(:,:,2),[size(RGB,1) size(RGB,2)]);
bc = im2col(RGB(:,:,3),[size(RGB,1) size(RGB,2)]);
A = [1:10;11:20;21:30;31:40]
B = im2col(A,[2,5],'distinct')
C = col2im(B,[2,5],[4,10],'distinct')
A =
1 2 3 4 5 6 7 8 9 10
11 12 13 14 15 16 17 18 19 20
21 22 23 24 25 26 27 28 29 30
31 32 33 34 35 36 37 38 39 40
B =
1 21 6 26
11 31 16 36
2 22 7 27
12 32 17 37
3 23 8 28
13 33 18 38
4 24 9 29
14 34 19 39
5 25 10 30
15 35 20 40
C =
1 2 3 4 5 6 7 8 9 10
11 12 13 14 15 16 17 18 19 20
21 22 23 24 25 26 27 28 29 30
31 32 33 34 35 36 37 38 39 40
Funciones relacionadas
im2double
Conversin de una imagen a clase double
Introduccin
MATLAB guarda y opera por defecto con datos de tipo double. Cada dato del array se
guarda con una precisin de 8 bytes, lo que no es muy eficiente al trabajar con imgenes de
muchos pxeles. De ah que se suela usar la clase uint8 en procesado de imgenes ya que
requiere solo un byte por elemento y tiene un rango de 0 a 255, siendo 8 veces ms
eficiente que el tipo double. Para evitar problemas al trabajar con las funciones
predefinidas de la toolbox de procesado de imgenes, conviene trabajar con datos en
formato double y cerciorarse de que los datos estn escalados al rango [0, 1].
Sintaxis
I2 = im2double(I)
RGB2 = im2double(RGB)
I = im2double(BW)
X2 = im2double(X,'indexed')
Descripcin
double.
Las imgenes de intensidad y de color verdadero pueden ser de clase uint8, uint16,
double, logical, single, o int16. Las imgenes indexadas pueden ser de clase uint8,
uint16, double o logical. Las imgenes binarias de entrada deben ser de clase logical.
Ejemplos de uso
I1 = reshape(uint8(linspace(1,255,9)),[3 3])
I2 = im2double(I1)
I1 =
1 96 192
33 128 223
65 160 255
I2 =
0.0039 0.3765 0.7529
0.1294 0.5020 0.8745
0.2549 0.6275 1.0000
Funciones relacionadas
im2int16
Conversin de una imagen a clase int16 (enteros con signo de 16-bits)
Sintaxis
I2 = im2int16(I)
RGB2 = im2int16(RGB)
I = im2int16(BW)
Descripcin
clase int16 cambiando los elementos de valor cero o falso a -32768 y los de valor uno o
verdadero a 32767.
Las imgenes de intensidad y de color verdadero pueden ser de clase uint8, uint16,
single, double o logical. Las imgenes binarias de entrada deben ser de clase logical.
Ejemplos de uso
I = reshape(linspace(0,1,6),[2 3])
I2 = im2int16(I)
I =
0 0.4000 0.8000
0.2000 0.6000 1.0000
I2 =
-32768 -6554 19660
-19661 6553 32767
Funciones relacionadas
im2java2d
Conversin de una imagen a tipo bufferedimage de Java
Sintaxis
jimage = im2java2d(I)
jimage = im2java2d(X,MAP)
Descripcin
Las imgenes de entrada de intensidades, indexadas y RGB pueden ser de clase uint8,
uint16 o double. Las imgenes binarias de entrada deben ser de clase logical.
Ejemplos de uso
Ejemplo 1: Leer una imagen en MATLAB y utilizar im2java2d para convertirla en una
instancia de la clase de imagen de Java java.awt.image.BufferedImage y mostrarla en
una ventana de Java.
% Convertimos la imagen.
I = imread('rueda.tif');
javaImage = im2java2d(I);
frame = javax.swing.JFrame;
icon = javax.swing.ImageIcon(javaImage);
label = javax.swing.JLabel(icon);
frame.getContentPane.add(label);
frame.pack
frame.show
im2single
Conversin de una imagen a clase single
Sintaxis
I2 = im2single(I)
RGB2 = im2single(RGB)
I = im2single(BW)
X2 = im2single(X,'indexed')
Descripcin
single.
Las imgenes de intensidades y de color verdadero pueden ser de clase uint8, uint16,
int16, single, double o logical. Las imgenes indexadas pueden ser de clase uint8,
uint16, double o logical. Las imgenes binarias de entrada deben ser de clase logical.
Ejemplos de uso
I = reshape(uint8(linspace(1,255,9)),[3 3])
I2 = im2single(I)
I =
1 96 192
33 128 223
65 160 255
I2 =
0.0039 0.3765 0.7529
0.1294 0.5020 0.8745
0.2549 0.6275 1.0000
Funciones relacionadas
im2uint16
Conversin de una imagen a clase uint16
Sintaxis
I2 = im2uint16(I)
RGB2 = im2uint16(RGB)
I = im2uint16(BW)
X2 = im2uint16(X,'indexed')
Descripcin
Las imgenes de intensidades y de color verdadero pueden ser de clase uint8, uint16,
double, logical, single o int16. Las imgenes indexadas pueden ser de clase uint8,
uint16, double o logical. Las imgenes binarias de entrada deben ser de clase logical.
Ejemplos de uso
I = reshape(linspace(0,1,9),[3 3])
I2 = im2uint16(I)
I =
0 0.3750 0.7500
0.1250 0.5000 0.8750
I2 =
0 24576 49151
8192 32768 57343
16384 40959 65535
Funciones relacionadas
im2uint8
Conversin de una imagen a clase uint8
Sintaxis
I2 = im2uint8(I1)
RGB2 = im2uint8(RGB1)
I = im2uint8(BW)
X2 = im2uint8(X1,'indexed')
Descripcin
im2uint8 convierte una imagen de entrada a clase uint8 (enteros sin signo de 8-bits). Si
compensando los datos si es necesario. Notar que no siempre es posible convertir una
imagen indexada a clase uint8. Si X1 es de clase double, el valor mximo de X1 debe ser
256 o menos; si X1 es de clase uint16, el valor mximo de X1 debe ser 255 o menos.
Las imgenes en escala de grises y de color verdadero pueden ser de tipo uint8, uint16,
int16, single, double o logical. Las imgenes indexadas pueden ser del tipo uint8,
uint16, double o logical. Las imgenes binarias de entrada deben ser de clase logical.
Ejemplos de uso
I1 = reshape(uint16(linspace(0,65535,9)),[3 3])
I2 = im2uint8(I1)
I1 =
0 24576 49151
8192 32768 57343
16384 40959 65535
I2 =
0 96 191
32 128 223
64 159 255
Funciones relacionadas
imabsdiff
Diferencia en valor absoluto de dos imgenes
Sintaxis
Z = imabsdiff(X,Y)
Descripcin
Si X e Y son arrays de clase double se puede usar la expresin abs(X-Y) en vez de esta
funcin.
Ejemplos de uso
Ejemplo 1: Calcular la diferencia en valor absoluto de dos arrays de clase uint8. Notar
que los valores negativos no se redondean a cero como con la funcin imsubtract.
Z =
205 40 25
6 175 50
S =
205 0 25
0 175 50
Ejemplo 2: Mostrar la diferencia en valor absoluto entre una imagen filtrada y la original.
I = imread('cameraman.tif');
J = uint8(filter2(fspecial('gaussian'), I));
K = imabsdiff(I,J);
imshow(K,[])
Figura f.179 - Imagen original (I) Figura f.231 - Imagen diferencia (K)
Funciones relacionadas
imadd
Juntar dos imgenes o sumar una constante a una imagen
Sintaxis
Z = imadd(X,Y)
Descripcin
Si X e Y son arrays de enteros se truncarn los elementos a la salida que excedan el rango
de los enteros y se redondearn los valores fraccionarios.
Ejemplos de uso
Ejemplo 1: Juntar dos arrays de clase uint8. Notar cmo se truncan los valores que
exceden de 255.
X =
255 0 75
44 225 100
12 35 44
Y =
50 50 50
50 50 50
50 50 50
Z =
255 50 125
94 255 150
62 85 94
I = imread('cameraman.tif');
J = imread('puntos.tif');
K = imadd(I,J,'uint16');
imshow(K,[])
I = imread('puntos.tif');
J = imadd(I,50);
imshow(I)
figure, imshow(J)
Figura f.232 - Imagen original (I) Figura f.234 - Imagen con aadido de 50 (J)
Funciones relacionadas
imadjust
Ajuste de los valores de intensidad de una imagen o de un mapa de color
a un rango especificado
Introduccin
La funcin imadjust suele utilizarse tanto para mostrar imgenes dentro de un rango de
intensidad determinado como para la mejora simple del contraste de una imagen mediante
la expansin de su histograma. Otras alternativas ms complejas y especficas para la
mejora del contraste son las funciones histeq y adapthisteq, que realizan una
ecualizacin del histograma de la imagen y que resultan algo ms automticas. Ms
informacin y comparacin en la pgina de la funcin adapthisteq.
Sintaxis
J = imadjust(I)
J = imadjust(I,[low_in; high_in],[low_out; high_out])
J = imadjust(I,[low_in; high_in],[low_out; high_out],gamma)
newmap = imadjust(map,[low_in; high_in],[low_out; high_out],gamma)
RGB2 = imadjust(RGB1,...)
Descripcin
saturando el 1% de los datos con mayor y menor intensidad (2% en total) usando los
lmites obtenidos automticamente por la funcin stretchlim y guardando los valores en
J. Esto incrementa el contraste de la imagen de salida J. Esta sintaxis es equivalente a
hacer imadjust(I,stretchlim(I)).
valores intermedios entre low_in y high_in a valores entre low_out y high_out. Los
valores para low_in, high_in, low_out, y high_out deben estar en el rango [0,1]
independientemente del tipo de imagen y de sus valores de intensidad. Estos lmites se
adaptan automticamente al tipo de imagen, multiplicndose por 255 para imgenes de
clase uint8, por 65535 para imgenes de clase uint16, etc. Se puede omitir el intervalo de
entrada o salida mediante una matriz vaca ([]), en cuyo caso se tomarn los valores de
intervalo por defecto que son [0,1].
conversin a las componentes roja, verde y azul. Se pueden usar vectores de 1-por-3 para
definir mapeados diferentes en cada canal. El mapa reescalado newmap tendr el mismo
tamao que el mapa original map.
azul) de la imagen RGB especificada en RGB1. Al igual que en el ajuste del mapa de color,
al especificar las variables low_in, high_in, low_out, high_out y gamma se pueden
definir escalares para especificar el mismo mapeado para todos los planos, o matrices de 1-
por-3 para mapeados diferentes en cada plano.
La imagen de entrada puede ser de clase uint8, uint16, int16, single, o double. La
imagen de salida ser de la misma clase que la de entrada. Los mapas de color en la
entrada y salida son de clase double.
Ejemplos de uso
I = reshape(uint8(linspace(1,255,50)),[5 10])
K = imadjust(I,[0.4 0.6],[])
I =
1 27 53 79 105 131 157 182 208 234
6 32 58 84 110 136 162 188 214 239
11 37 63 89 115 141 167 193 219 245
17 42 68 94 120 146 172 198 224 250
22 48 74 99 125 151 177 203 229 255
K =
0 0 0 0 15 145 255 255 255 255
0 0 0 0 40 170 255 255 255 255
0 0 0 0 65 195 255 255 255 255
0 0 0 0 90 220 255 255 255 255
0 0 0 0 115 245 255 255 255 255
I = imread('espacio.tif');
imshow(I)
J = imadjust(I);
figure, imshow(J)
Figura f.1 - Imagen original (I) sin procesar Figura f.5 - Imagen ajustada (J) con imadjust
Ejemplo 3: Ajustar una imagen RGB usando los lmites de entrada y salida.
RGB1 = imread('Nurnberg.tif');
imshow(RGB1)
RGB2 = imadjust(RGB1,[.2 .2 0; .7 .8 1],[]);
figure, imshow(RGB2)
Figura f.1 - Imagen original (RGB1) sin procesar Figura f.235 - Imagen ajustada (RGB2) con imadjust
Funciones relacionadas
ImageAdapter
Interfaz para la lectura y escritura de archivos por bloques
Sintaxis
adapter = ClassName(...)
Descripcin
ImageAdapter es una clase abstracta que especifica la interfaz para la lectura y escritura de
archivos por bloques o regiones, definiendo los mtodos que la funcin blockproc
utilizar para leer y escribir imgenes en el disco. Aunque la funcin blockproc solo
admite determinados tipos de archivos, se puede conseguir trabajar con otro tipo de
imgenes construyendo para ellos una clase que herede de la clase ImageAdapter y
encapsule el cdigo necesario.
Para poder escribir una clase Image Adapter para un formato de archivo determinado se
debe poder:
Por ejemplo, al crear una nueva clase ImageAdapter llamada ClassName se tendra que
programar un archivo ClassName.m con el cdigo correspondiente, en el que se definira
la clase (su nombre y que hereda de la superclase ImageAdapter), sus propiedades y sus
mtodos (constructor de clase, lectura de regiones, cierre de clase). Como ejemplo se
puede consultar la clase LanAdapter en MATLAB, creada para los archivos en formato
LAN mediante la sintaxis open LanAdapter.m. Para construir un objeto de la clase
LanAdapter que se pueda utilizar como fuente de entrada a la funcin blockproc se debe
LANADAPTER(archivo).
Las clases ImageAdapter (para cada tipo de archivo) que heredan de la superclase
ImageAdapter deben implementar obligatoriamente los mtodos readRegion (lectura de
una regin de la imagen) y close (cerrar objeto ImageAdapter) para permitir una lectura
bsica de imgenes basada en regiones. El mtodo writeRegion permite la escritura
incremental de imgenes basndose en regiones y es opcional. Las clases ImageAdapter
que no implementan el mtodo writeRegion son clases de solo lectura.
Funciones relacionadas
blockproc
imageinfo
Herramienta de informacin de imagen
Sintaxis
imageinfo
imageinfo(h)
imageinfo(filename)
imageinfo(info)
imageinfo(himage,filename)
imageinfo(himage,info)
hfig = imageinfo(...)
Descripcin
Atributo Descripcin
Width Nmero de columnas de la imagen.
Height Nmero de filas en la imagen.
Class Tipo de dato usado en la imagen, como p. ej. uint8.
Nota: Para imgenes de clase single o int16, imageinfo
devuelve un valor de clase de double porque los objetos de
imagen convierten el CData de estas imgenes a clase double.
Image type Uno de los tipos de imagen identificados: 'intensity' si es una
imagen de intensidades, 'truecolor' si es una imagen en color
verdadero, 'binary' si es una imagen binaria, o 'indexed' si es una
imagen indexada.
Minimum Para imgenes en escala de grises este valor representa la menor
intensity or
intensidad de pixel encontrada.
index
Para imgenes indexadas el valor representa el menor valor de ndice
en un mapa de color.
Atributo no incluido en imgenes binarias o de color verdadero.
Maximum Para imgenes en escala de grises este valor representa la mayor
metadatos del archivo grfico filename. No hace falta mostrar la imagen en una ventana.
filename puede ser de cualquier tipo registrado en el registro de formatos de archivo
imformats por lo que su informacin puede leerse con imfinfo. filename puede ser
de la imagen de la estructura info, una estructura devuelta por las funciones imfinfo,
dicominfo, nitfinfo interfileinfo, o analyze75info. info puede ser tambin una
informacin de imagen.
Ejemplos de uso
imshow('cameraman.tif')
imageinfo;
h = imshow('cameraman.tif')
info = imfinfo('cameraman.tif');
imageinfo(h,info);
Funciones relacionadas
imagemodel
Creacin de un objeto modelo de imagen
Introduccin
Un objeto modelo de imagen guarda cierta informacin de una imagen: clase, tipo, rango
de intensidades, anchura, altura y mnimo y mximo valor de intensidad. El objeto acepta
mtodos que se pueden utilizar para acceder y mostrar la informacin. Para obtener la lista
de mtodos se debe escribir en MATLAB el cdigo methods imagemodel o tambin se
puede escribir help imagemodel/mtodo para obtener ms informacin a cerca de un
mtodo determinado. Estos son los mtodos aceptados y los valores devueltos:
str = getClassType(imgmodel)
Clase de la imagen.
disp_range = getDisplayRange(imgmodel)
Rango de la imagen, si esta es de intensidades.
height = getImageHeight(imgmodel)
Nmero de filas.
str = getImageType(imgmodel)
Tipo de imagen.
width = getImageWidth(imgmodel)
Nmero de columnas.
minval = getMinIntensity(imgmodel)
Mnimo valor de intensidad de la imagen.
maxval = getMaxIntensity(imgmodel)
Mximo valor de intensidad de la imagen.
fun = getNumberFormatFcn(imgmodel)
Puntero a una funcin que convierte un valor numrico en una cadena de texto. Por
ejemplo, str = fun(getPixelValor(imgmodel, 100, 100)) convierte el valor
numrico devuelto por la funcin getPixelValor a una cadena de texto.
fun = getPixelRegionFormatFcn(imgmodel)
Puntero a una funcin que da formato al valor del pixel especificado.
val = getPixelValor(imgmodel, row, column)
Array numrico del valor del pixel especificado.
str = getDefectoPixelInfoString(imgmodel)
Cadena de texto que indica el tipo de pixel.
str = getDefectPixelRegionString(imgmodel)
Cadena de texto que indica el tipo de informacin mostrada en la regin seleccionada.
val = getScreenPixelRGBValor(imgmodel, row, col)
Valor en pantalla del pixel especificado.
Sintaxis
imgmodel = imagemodel(himage)
Descripcin
Ejemplos de uso
h = imshow('peppers.png')
im = imagemodel(h);
Funciones relacionadas
getimagemodel
imattributes
Atributos de una imagen
Sintaxis
attrs = imattributes
attrs = imattributes(himage)
attrs = imattributes(imgmodel)
Descripcin
Ejemplos de uso
h = imshow('liftingbody.png')
attrs = imattributes(h)
attrs =
'Width (columns)' '512'
'Height (rows)' '512'
'Class' 'uint8'
'Image type' 'intensity'
'Minimum intensity' '0'
'Maximum intensity' '255'
Funciones relacionadas
imagemodel
imbothat
Filtrado tipo bottom-hat
Introduccin
Las transformadas top-hat se utilizan en numerosas tareas dentro del procesado digital de
imgenes como por ejemplo la extraccin de caractersticas, ecualizacin del fondo o
mejora de la imagen. En concreto, la transformada bottom-hat devuelve una imagen con
los objetos que son menores que el elemento estructurante y que son ms oscuros que sus
vecinos (se debe aumentar el tamao del elemento estructurante para extraer objetos
mayores). Es por tanto til para extraer pequeos objetos o detalles oscuros sobre fondo
claro y tambin para corregir la iluminacin desigual cuando el fondo es claro. Adems, se
puede mejorar el contraste de una imagen sumando la imagen original y la imagen filtrada
con top-hat y posteriormente restndole la imagen filtrada con bottom-hat. [22] [23]
Sintaxis
IM2 = imbothat(IM,SE)
IM2 = imbothat(IM,NHOOD)
Descripcin
de 0's y 1's que especifica el tamao y forma del elemento estructurante. Esto equivale a
imbothat(IM,strel(NHOOD)).
IM puede ser de clase numeric o logical y debe ser no disperso. La imagen de salida ser
Ejemplos de uso
Ejemplo 1: Separar los objetos del fondo con filtrado bottom-hat, variando el tamao del
elemento estructurante en forma de disco. Observar cmo el fondo se hace uniforme.
I = imread('cacao.tif'); imshow(I)
se = strel('disk',3);
B1 = imbothat(I,se); figure, imshow(B1)
se = strel('disk',10);
B2 = imbothat(I,se); figure, imshow(B2)
se = strel('disk',30);
B3 = imbothat(I,se); figure, imshow(B3)
Figura f.237 - Imagen original (I) sin procesar Figura f.238 - Imagen procesada (B1) con imbothat y
elemento estructurante disco de 3
Figura f.239 - Imagen procesada (B2) con imbothat Figura f.240 - Imagen procesada (B3) con imbothat
y elemento estructurante disco de 10 y elemento estructurante disco de 30
I = imread('puntos.tif'); imshow(I)
se = strel('disk',14);
B = imbothat(I,se); figure, imshow(B)
Figura f.241 - Imagen original (I) sin procesar Figura f.242 - Imagen procesada (B) con imbothat
I = imread('espacio.tif'); imshow(I)
se = strel('disk',3);
T = imtophat(I,se);
B = imbothat(I,se);
Figura f.1 - Imagen original (I) sin procesar Figura f.243 - Imagen procesada (J) aumentndole el
contraste con imtophat e imbothat
Funciones relacionadas
imtophat, strel
imclearborder
Eliminacin de estructuras suaves conectadas al borde de una imagen
Sintaxis
IM2 = imclearborder(IM)
IM2 = imclearborder(IM,conn)
Descripcin
IM2 = imclearborder(IM) elimina estructuras que son ms suaves que sus vecinos y que
estn conectadas al borde de la imagen (til para limpiar el borde de la imagen). IM puede
ser una imagen binaria o en escala de grises. La imagen de salida IM2 ser igualmente
binaria o en escala de grises. La conectividad por defecto es 8 para dos dimensiones, 26
para tres dimensiones y conndef(ndims(BW),'maximal') para mayores dimensiones.
Valor Significado
Conectividades Bidimensionales
4 Vecindad de 4 pxeles: Un par de
pxeles colindantes forman parte del
mismo objeto solo si estn activos y
conectados en vertical u horizontal.
Figura f.32 - vecindad 4
Puede que un pixel en el borde de una imagen no se considere un pixel del borde si se elige
una conectividad no por defecto. Por ejemplo, si conn = [0 0 0; 1 1 1; 0 0 0], los
elementos en la primera y ltima fila no se considerarn pxeles de borde porque segn la
conectividad, no estn conectados a la regin de fuera de la imagen.
IM puede ser un array de tipo numeric o logical de cualquier dimensin y debe ser no
Ejemplos de uso
BW =
0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0
1 0 0 1 1 1 0 0 0
0 1 0 1 1 1 0 0 0
0 0 0 1 1 1 0 0 0
0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0
BWc1 = imclearborder(BW,4)
BWc1 =
0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0
0 0 0 1 1 1 0 0 0
0 1 0 1 1 1 0 0 0
0 0 0 1 1 1 0 0 0
0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0
BWc2 = imclearborder(BW,8)
BWc2 =
0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0
0 0 0 1 1 1 0 0 0
0 0 0 1 1 1 0 0 0
0 0 0 1 1 1 0 0 0
0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0
Funciones relacionadas
conndef
imclose
Cierre morfolgico o clausura de una imagen
Sintaxis
IM2 = imclose(IM,SE)
IM2 = imclose(IM,NHOOD)
Descripcin
strel(NHOOD), donde NHOOD es un array de 0's y 1's que especifican la vecindad o patrn
IM puede ser de cualquier clase numeric o logical y de cualquier dimensin y debe ser no
disperso. Si IM es logical, entonces SE debe ser plano. IM2 ser de la misma clase que IM.
Ejemplos de uso
Ejemplo 1: Utilizar imclose para unir los crculos de la imagen rellenando el hueco entre
ellos y suavizando los bordes exteriores.
I = imread('circulos.tif');
imshow(I)
se = strel('disk',10);
closeI = imclose(I,se);
figure, imshow(closeI)
Figura f.244 - Imagen original (I) sin procesar Figura f.245 - Imagen procesada (closeI)
Funciones relacionadas
imcolormaptool
Herramienta de seleccin de mapa de color
Sintaxis
imcolormaptool
imcolormaptool(hclientfig)
hfig = imcolormaptool(...)
Descripcin
imcolormaptool abre la herramienta de seleccin del mapa de color en una nueva figura
utilizando hclientfig como figura destino. hclientfig debe contener o una imagen en
escala de grises o una indexada.
Ejemplos de uso
h = figure;
imshow('cameraman.tif')
imcolormaptool(h);
Funciones relacionadas
imcomplement
Imagen complementaria
Sintaxis
IM2 = imcomplement(IM)
Descripcin
ser una imagen binaria, en escala de grises, o RGB. IM2 ser de la misma clase y tamao
que IM.
En la imagen complementaria de una imagen binaria, los ceros se convierten en unos y los
unos en ceros; los colores blanco y negro se invierten. En la imagen complementaria de
una imagen en escala de grises o RGB, cada valor de pixel se resta del mximo valor de
pixel posible debido a la clase de la imagen y la diferencia se usa como valor de pixel en la
imagen de salida. En este caso, las reas oscuras se convierten en reas ms claras en la
imagen de salida y las reas ms claras se convierten en ms oscuras.
Si IM es una imagen en escala de grises o RGB de clase double, se puede usar la expresin
1-IM en vez de esta funcin. Si IM es una imagen binaria, se puede usar la expresin ~IM
Ejemplos de uso
C =
0 245 180
211 30 155
I = imread('circulos.tif');
C = imcomplement(I);
imshow(I)
figure, imshow(C)
Figura f.245 - Imagen original (I) sin procesar Figura f.247 - Imagen procesada (C) con
imcomplement
I = imread('cameraman.tif');
C = imcomplement(I);
imshow(I)
figure, imshow(C)
Figura f.179 - Imagen original (I) sin procesar Figura f.248 - Imagen procesada (C) con
imcomplement
Funciones relacionadas
imabsdiff, imadd, imdivide, imlincomb, immultiply, imsubtract
imcontour
Dibujo del contorno de una imagen
Sintaxis
imcontour(I)
imcontour(I,n)
imcontour(I,v)
imcontour(x,y,...)
imcontour(...,LineSpec)
[C,handle] = imcontour(...)
Descripcin
respectivamente.
objeto hggroup.
La imagen de entrada puede ser de clase uint8, uint16, int16, single, double o
logical.
Ejemplos de uso
I = imread('circuito.tif');
imshow(I)
figure, imcontour(I,3)
Figura f.249 - Imagen original (I) sin procesar Figura f.250 - Contorno de la imagen con imcontour
Funciones relacionadas
imcontrast
Herramienta de ajuste del contraste
Sintaxis
imcontrast
imcontrast(h)
hfigure = imcontrast(...)
Descripcin
imcontrast crea una herramienta para el ajuste interactivo del contraste en una figura
separada asociada con la imagen en escala de grises de la figura actual. Cuando se usa la
herramienta, imcontrast ajusta el contraste de la imagen mostrada modificando la
propiedad CLim. Para modificar los valores de los pxeles de la imagen actual se debe hacer
clic en el botn Adjust Data (Ajustar datos). El botn no est disponible hasta que se
haga un cambio al contraste de la imagen.
especificada por el puntero h. h puede ser un puntero a una figura, eje u objeto de imagen.
Si h es un eje o puntero a una figura, imcontrast usa la primera imagen devuelta por
findobj(H,'Type','image').
contraste.
Ejemplos de uso
Ejemplo 1: Abrir la herramienta de ajuste del contraste despus de abrir una imagen.
I = imread('circuito.tif');
imshow(I)
imcontrast
Figura f.249 - Imagen original (I) sin procesar Figura f.251 - Herramienta de ajuste del contraste
Funciones relacionadas
imcrop
Herramienta para el recorte de una imagen
Sintaxis
I = imcrop
I2 = imcrop(I)
X2 = imcrop(X, map)
I = imcrop(h)
I2 = imcrop(I, rect)
X2 = imcrop(X, map, rect)
[...] = imcrop(x, y,...)
[I2 rect] = imcrop()
[X,Y,I2,rect] = imcrop()
Descripcin
I = imcrop crea una herramienta interactiva para el recorte de una imagen asociada con la
Accin Operacin
Cancelar lo hecho por Pulsar Retroceso, Escape o Suprimir, o hacer clic derecho
la herramienta. dentro del rectngulo de seleccin y pulsar Cancel dentro del
men contextual.
Nota: Al eliminar/cancelar la herramienta, la funcin
devuelve un valor vaco.
Cambiar el color del Hacer clic derecho dentro del rectngulo y luego pulsar Set
rectngulo de Color (Elegir Color) del men contextual.
seleccin.
Recortar la imagen. Hacer doble clic con el botn izquierdo o un solo clic con el
botn derecho del ratn y luego seleccionar Crop Image
(Recortar imagen) en el men contextual.
recorte asociada con la imagen. I puede ser una imagen en escala de grises, una imagen de
color verdadero, o un array tipo logical. La imagen recortada devuelta, I2, es del mismo
tipo que I.
puntero h. h puede ser una imagen, eje, o puntero a una figura. Si h es un eje o puntero a
una figura, la herramienta de seleccin acta sobre la primera imagen encontrada en el
objeto contenedor.
Nota: Con estas sintaxis, la lnea de comandos de MATLAB se bloquea hasta que
se complete la accin con la herramienta.
elementos [xmin ymin width height] que especifica el tamao y posicin del
rectngulo de seleccin.
color utilizado con la imagen X. rect es un vector de posicin de cuatro elementos [xmin
ymin width height] que especifica el tamao y posicin del rectngulo de seleccin.
imagen destino. x e y son vectores de dos elementos que especifican las propiedades XData
e YData.
Si se especifica rect como argumento de entrada, la imagen de entrada puede ser de tipo
numeric o logical y debe ser real y no disperso. rect es de clase double.
dispersa.
Ejemplos de uso
I = imread('circuito.tif');
I2 = imcrop(I,[75 68 130 112]);
imshow(I)
figure, imshow(I2)
Figura f.249 - Imagen original (I) sin procesar Figura f.253 - Imagen recortada (I2)
Funciones relacionadas
imrect, zoom
imdilate
Dilatacin de una imagen
Sintaxis
IM2 = imdilate(IM,SE)
IM2 = imdilate(IM,NHOOD)
IM2 = imdilate(IM,SE,PACKOPT)
IM2 = imdilate(...,SHAPE)
Descripcin
IM2 = imdilate(IM,NHOOD) dilata la imagen IM, donde NHOOD es una matriz de 0's y 1's
una imagen binaria empaquetada en la variable PACKOPT que puede tener cualquiera de los
siguientes valores:
Valor Descripcin
'ispacked' IM se trata como una imagen binaria empaquetada igual que la
producida por bwpack. IM debe ser un array bidimensional de clase
uint32 y SE debe ser un elemento estructurante plano bidimensional. Si
el valor de PACKOPT es 'ispacked', PADOPT debe ser 'same'.
'notpacked' IM se trata como si fuera un array normal. (Por defecto)
Valor Descripcin
'same' Crea la imagen de salida con el mismo tamao que la de entrada. Si el
valor de PACKOPT es 'ispacked', PADOPT debe ser 'same'.
(Por defecto)
'full' Calcula una dilatacin completa.
IM puede ser de clase logical o numeric y debe ser real y no disperso. Puede tener
Ejemplos de uso
Ejemplo 1: Dilatar una imagen binaria con una lnea vertical como elemento estructurante.
I = imread('texto.tif');
se = strel('line',11,90);
I2 = imdilate(I,se);
imshow(bw), title('Original')
figure, imshow(I2), title('Dilated')
Figura f.80 - Imagen original (I) Figura f.254 - Imagen dilatada (I2) con imdilate
Ejemplo 2: Dilatar una imagen en escala de grises con una bola que rueda como elemento
estructurante (no se puede dilatar una imagen binaria con un elemento estructurante no
plano).
I = imread('cameraman.tif');
se = strel('ball',5,5);
I2 = imdilate(I,se);
imshow(I)
figure, imshow(I2)
Figura f.179 - Imagen original (I) Figura f.255 - Imagen dilatada (I2) con imdilate
Funciones relacionadas
imdisplayrange
Herramienta para mostrar el rango de visualizacin de una imagen
Sintaxis
imdisplayrange
imdisplayrange(h)
imdisplayrange(hparent,himage)
hpanel = imdisplayrange(...)
Descripcin
por el puntero h, donde h es un puntero a una imagen, eje, objeto uipanel o figura. Los ejes,
objetos uipanel o figuras deben contener al menos una imagen.
Ejemplos de uso
imshow('cameraman.tif')
imdisplayrange;
Funciones relacionadas
imtool
imdistline
Herramienta de medida de distancia
Sintaxis
h = imdistline
h = imdistline(hparent)
h = imdistline(..., x, y)
Descripcin
Para mover la herramienta se debe posicionar el ratn encima de la lnea hasta que el
cursor cambie de forma y despus hacer clic y desplazar. Para modificar el tamao de la
lnea se debe de mover el puntero del ratn a cualquiera de los dos puntos finales de la
lnea, hacer clic y desplazar el punto. Tambin se pueden controlar distintos aspectos del
funcionamiento y de la apariencia de la herramienta a travs del men contextual que
aparece haciendo clic derecho con el ratn encima de la lnea de la herramienta.
especificado por hparent, tpicamente un objeto con ejes pero puede ser cualquier objeto
del tipo hggroup.
puntos finales de la lnea localizados en las posiciones especificadas por los vectores x e y,
donde x = [x1 x2] e y =[y1 y2].
Accin Operacin
api = iptgetapi(h)
Funcin Descripcin
getDistance Devuelve la distancia entre los extremos de la lnea de la
herramienta.
dist = getDistance()
El valor devuelto est en las unidades definidas por las
propiedades XData e YData y ser en pxeles por
defecto.
getAngleFromHorizontal Devuelve el ngulo en grados entre la lnea definida por
la herramienta y el eje horizontal. El ngulo devuelto
estar entre 0 y 180 grados.
angle = getAngleFromHorizontal()
setLabelTextFormatter Especifica la cadena de texto utilizada para mostrar la
distancia de un modo esperado por la funcin sprintf.
setLabelTextFormatter(str)
getLabelTextFormatter Recoge un array de caracteres que especifica la cadena
de texto utilizada para mostrar la distancia de un modo
esperado por la funcin sprintf.
str = getLabelTextFormatter()
setLabelVisible Especifica la visibilidad del texto de la herramienta.
setLabelVisible(h,TF)
h es la herramienta de medida de distancia. TF es un
escalar lgico. Cuando el texto de la herramienta es
visible, TF es verdadero. Cuando es invisible, TF es falso.
getLabelVisible Lee la visibilidad del texto de la herramienta.
TF = getLabelVisible(h)
h es la herramienta de medida de distancia. TF es un
escalar lgico. Cuando el texto de la herramienta es
visible, TF es verdadero. Cuando es invisible, TF es falso.
setPosition Especifica la posicin de los puntos finales de la lnea de
la herramienta.
setPosition(X,Y)
setPosition([X1 Y1; X2 Y2])
getPosition Devuelve la posicin de los puntos finales de la lnea de
la herramienta.
pos = getPosition()
pos es un array de 2-por-2 [X1 Y1; X2 Y2].
El valor devuelto
id, se utiliza solo con
removeNewPositionCallback.
Ejemplos de uso
figure, imshow('cameraman.tif')
h = imdistline(gca);
api = iptgetapi(h);
fcn = makeConstrainToRectFcn('imline',get(gca,'XLim'),get(gca,'YLim'));
api.setDragConstraintFcn(fcn);
Funciones relacionadas
iptgetapi, makeConstrainToRectFcn
imdivide
Divisin de una imagen entre otra o entre una constante
Sintaxis
Z = imdivide(X,Y)
Descripcin
Ejemplos de uso
Ejemplo 1: Dividir dos arrays de clase uint8. Notar que los valores fraccionarios se
redondean al entero ms cercano.
Z =
5 1 2
1 5 2
I = imread('circuito.tif');
J = imdivide(I,2);
imshow(I)
figure, imshow(J)
Figura f.249 - Imagen original (I) sin procesar Figura f.258 - Imagen dividida por constante (J)
I = imread('circuito.tif');
background = imopen(I,strel('disk',15));
J = imdivide(I,background);
imshow(J,[])
figure, imshow(I)
Figura f.249 - Imagen original (I) sin procesar Figura f.259 - Imagen dividida por fondo (J)
Funciones relacionadas
imellipse
Creacin de una elipse desplazable
Sintaxis
h = imellipse
h = imellipse(hparent)
h = imellipse(hparent, position)
H = imellipse(...,param1, val1, ...)
Descripcin
h = imellipse posiciona una elipse desplazable en los ejes actuales. La funcin devuelve
h, un puntero a un objeto imellipse. La elipse tiene un men contextual asociado con ella
hparent, que normalmente es un eje pero puede ser cualquier otro objeto perteneciente al
grupo hggroup.
Parmetro Valor
'PositionConstraintFcn' Puntero a una funcin de restriccin de posicin que se
llama cuando se desplaza el ratn. Se puede usar esta
herramienta para desplazar la elipse.
Si se utiliza imellipse en una imagen y no se especifica
una funcin de restriccin de posicin, los usuarios podrn
desplazar la elipse fuera de los lmites de la imagen y
Cuando se llama a la funcin imellipse con una sintaxis interactiva, el puntero del ratn
tendr la forma de una cruz cuando se est encima de la imagen. Se deber hacer clic y
desplazar el ratn para crear la elipse con el tamao deseado. Una vez creada, se podr
desplazar poniendo el cursor encima de ella, haciendo clic y desplazando. Si se hace clic
derecho encima de ella aparecer el men contextual que permite seleccionar diferentes
opciones de visualizacin y comportamiento.
La siguiente tabla muestra las acciones interactivas que se pueden realizar con la
herramienta imellipse.
Accin Operacin
Cambiar el color de la Mover el puntero del ratn dentro de la elipse. Hacer clic
elipse. derecho y seleccionar Set Color (Establecer color) del men
contextual.
Leer la posicin actual Mover el puntero del ratn dentro de la elipse. Hacer clic
de la elipse. derecho y seleccionar Copy Position (Copiar posicin) del
men contextual. imellipse copia al portapapeles un vector de
posicin de cuatro elementos [xmin ymin width height].
Mantener las Mover el puntero del ratn dentro de la elipse. Hacer clic
proporciones de la derecho y seleccionar Fix Aspect Ratio (Mantener
elipse al proporciones) del men contextual.
redimensionarla.
Cada objeto imellipse soporta una serie de mtodos que pueden verse mediante el
comando methods imellipse y que se listan a continuacin:
addNewPositionCallback
Aade una funcin a la lista de funciones de rellamada o callback de nueva posicin (se
las llamar cada vez que se cambie la posicin del objeto ROI (Region-of-interest) con la
posicin como argumento).
createMask
Crea una mscara dentro de la imagen.
delete
Elimina el objeto ROI.
getColor
Lee el color utilizado para dibujar el objeto ROI.
getPosition
Lee la posicin actual de la elipse.
getPositionConstraintFcn
Devuelve el puntero a la funcin de restriccin de posicin actual.
getVertices
Devuelve los vrtices de la elipse.
removeNewPositionCallback
Elimina la funcin de rellamada o callback de nueva posicin del objeto ROI.
resume
Contina la ejecucin de la lnea de comandos.
setColor
Especifica el color utilizado para dibujar el objeto ROI.
setConstrainedPosition
Especifica la nueva posicin del objeto ROI.
setFixedAspectRatioMode
Mantiene las proporciones cuando se redimensiona el objeto.
setPosition
Especifica la nueva posicin de la elipse.
setPositionConstraintFcn
Especifica la funcin de restriccin de posicin del objeto ROI.
setResizable
Activa el redimensionado de la elipse.
wait
Bloquea la ejecucin de la lnea de comandos hasta que se finaliza el posicionamiento del
objeto ROI.
Ejemplos de uso
Ejemplo 1: Crear una elipse utilizando rellamadas o callbacks para visualizar su posicin
actualizada en el ttulo de la figura. El ejemplo muestra cmo utilizar la funcin
makeConstrainToRectFcn para mantener la elipse en los lmites de rango xlim e ylim.
figure, imshow('cameraman.tif')
addNewPositionCallback(h,@(p) title(mat2str(p,3)));
fcn =
makeConstrainToRectFcn('imellipse',get(gca,'XLim'),get(gca,'YLim'));
setPositionConstraintFcn(h,fcn);
Funciones relacionadas
imerode
Erosin de una imagen
Sintaxis
IM2 = imerode(IM,SE)
IM2 = imerode(IM,NHOOD)
IM2 = imerode(...,PACKOPT,M)
IM2 = imerode(...,SHAPE)
Descripcin
IM2 = imerode(IM,NHOOD) erosiona la imagen IM, donde NHOOD es un array de 0's y 1's
Valor Descripcin
'ispacked' IM se trata como una imagen binaria empaquetada, como la producida
con la funcin bwpack. IM debe ser un array bidimensional de clase
uint32 y SE debe ser un elemento estructurante plano bidimensional.
Se debe especificar un valor para M.
'notpacked' IM se trata como un array normal. (Por defecto)
Valor Descripcin
{'same'} Crea la imagen de salida con el mismo tamao que la de entrada. Si el valor de
PACKOPT es 'ispacked', SHAPE debe valer 'same'.
elemento estructurante es plano, la imagen de salida ser lgica. De otro modo la imagen
de salida ser de la misma clase que la imagen de entrada.
Ejemplos de uso
Ejemplo 1: Erosionar una imagen binaria con un disco como elemento estructurante.
I = imread('circulos.tif');
se = strel('disk',11);
E = imerode(I,se);
imshow(I), figure, imshow(E)
Figura f.245 - Imagen original (I) sin procesar Figura f.261 - Imagen erosionada (E) con imerode
Ejemplo 2: Erosionar una imagen en escala de grises con una bola que rueda como
elemento estructurante.
I = imread('cameraman.tif');
se = strel('ball',5,5);
E = imerode(I,se);
imshow(I)
figure, imshow(E)
Figura f.179 - Imagen original (I) sin procesar Figura f.262 - Imagen erosionada (E) con imerode
Funciones relacionadas
imextendedmax
Transformada extendida mxima
Introduccin
A =
10 10 10 10 10 10 10 10 10 10
10 13 13 13 10 10 11 10 11 10
10 13 13 13 10 10 10 11 10 10
10 13 13 13 10 10 11 10 11 10
10 10 10 10 10 10 10 10 10 10
10 11 10 10 10 18 18 18 10 10
10 10 10 11 10 18 18 18 10 10
10 10 11 10 10 18 18 18 10 10
10 11 10 11 10 10 10 10 10 10
10 10 10 10 10 10 11 10 10 10
B = imregionalmax(A)
B =
0 0 0 0 0 0 0 0 0 0
0 1 1 1 0 0 1 0 1 0
0 1 1 1 0 0 0 1 0 0
0 1 1 1 0 0 1 0 1 0
0 0 0 0 0 0 0 0 0 0
0 1 0 0 0 1 1 1 0 0
0 0 0 1 0 1 1 1 0 0
0 0 1 0 0 1 1 1 0 0
0 1 0 1 0 0 0 0 0 0
0 0 0 0 0 0 1 0 0 0
Para identificar reas de una imagen en donde el cambio de intensidad sea extremo, tal que
la diferencia entre el pixel y los pxeles vecinos sea mayor (o menor) que un cierto valor de
umbral especificado, se deben usar las funciones imextendedmax e imextendedmin
(Transformada extendida mxima y mnima). Por ejemplo, para la imagen anterior, la
imagen binaria de salida para un umbral de 4 sera la siguiente:
B = imextendedmax(A,4)
B =
0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 1 1 1 0 0
0 0 0 0 0 1 1 1 0 0
0 0 0 0 0 1 1 1 0 0
0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0
B = imhmax(A,4)
B =
10 10 10 10 10 10 10 10 10 10
10 10 10 10 10 10 10 10 10 10
10 10 10 10 10 10 10 10 10 10
10 10 10 10 10 10 10 10 10 10
10 10 10 10 10 10 10 10 10 10
10 10 10 10 10 14 14 14 10 10
10 10 10 10 10 14 14 14 10 10
10 10 10 10 10 14 14 14 10 10
10 10 10 10 10 10 10 10 10 10
10 10 10 10 10 10 10 10 10 10
Sintaxis
BW = imextendedmax(I,H)
BW = imextendedmax(I,H,conn)
Descripcin
es un escalar no negativo que especifica el umbral o diferencia que debe existir entre los
pxeles mximos regionales y los pxeles vecinos. Es una forma de identificar grupos de
pxeles que tienen un valor de intensidad significativamente ms alto que el de sus vecinos.
Valor Significado
Conectividades Bidimensionales
4 Vecindad de 4 pxeles: Un par de
pxeles colindantes forman parte del
mismo objeto solo si estn activos y
conectados en vertical u horizontal.
Figura f.32 - vecindad 4
Ejemplos de uso
I = imread('glass.png');
imshow(I)
BW = imextendedmax(I,80);
figure, imshow(BW)
Figura f.263 - Imagen original (I) sin procesar Figura f.264 - Imagen procesada (BW) con
imextendedmax
Ejemplo 2: Identificar los ncleos (zonas ms claras) de las clulas de la imagen utilizando
la Transformada extendida mxima comparando los diferentes resultados obtenidos al
variar el valor de umbral mximo.
I = imread('celulas.png');
figure, imshow(o1)
figure, imshow(o2)
figure, imshow(o3)
Figura f.265 - Imagen original (I) sin procesar Figura f.266 - Imagen (o1) con los mximos
regionales de I superpuestos
Figura f.267 - Imagen (o2) con los mximos Figura f.268 - Imagen (o3) con los mximos
regionales de I con umbral 40 superpuestos regionales de I con umbral 60 superpuestos
Funciones relacionadas
imextendedmin
Transformada extendida mnima
Sintaxis
BW = imextendedmin(I,h)
BW = imextendedmin(I,h,conn)
Descripcin
es un escalar no negativo que especifica el umbral o diferencia que debe existir entre los
pxeles mnimos regionales y los pxeles vecinos. Es una forma de identificar grupos de
pxeles que tienen un valor de intensidad significativamente ms bajo que el de sus
vecinos. Para ms informacin consultar la pgina de la funcin complementaria
imextendedmax.
Valor Significado
Conectividades Bidimensionales
4 Vecindad de 4 pxeles: Un par de
pxeles colindantes forman parte del
mismo objeto solo si estn activos y
conectados en vertical u horizontal.
Figura f.32 - vecindad 4
18 Vecindad de 18 pxeles.
26 Vecindad de 26 pxeles. (Por defecto)
Ejemplos de uso
I = imread('glass.png');
BW = imextendedmin(I,50);
imshow(I), figure, imshow(BW)
Figura f.263 - Imagen original (I) sin procesar Figura f.269 - Imagen procesada (BW) con
imextendedmin
Funciones relacionadas
imfill
Relleno de regiones y huecos de una imagen
Sintaxis
BW2 = imfill(BW)
[BW2,locations] = imfill(BW)
BW2 = imfill(BW,locations)
BW2 = imfill(BW,'holes')
I2 = imfill(I)
BW2 = imfill(BW,locations,conn)
Descripcin
rellenar interactivamente, especificando los puntos de la regin con el ratn. Para poder
usar esta herramienta interactiva BW debe ser una imagen en 2-D. Se debe pulsar las teclas
de retroceso o borrado para eliminar el punto seleccionado. Pulsando la tecla Shift,
haciendo clic derecho o doble clic, se selecciona el punto final y se empieza la operacin
de relleno. Al pulsar la tecla Intro se termina la seleccin sin aadir ningn punto ms.
(regin a rellenar) de forma interactiva en la variable locations. Para utilizar esta sintaxis
BW debe ser una imagen en 2-D.
BW2 = imfill(BW,'holes') rellena los huecos en la imagen binaria BW. En esta sintaxis
donde conn especifica la conectividad y puede tener cualquiera de los siguientes valores
escalares (siempre simtrica respecto su elemento central):
Valor Significado
Conectividades Bidimensionales
4 Vecindad de 4 pxeles: Un par de
pxeles colindantes forman parte del
mismo objeto solo si estn activos y
conectados en vertical u horizontal.
Figura f.32 - vecindad 4
imfill utiliza por defecto una vecindad de 4 pxeles de fondo para entradas en 2-D y
BW2 = imfill(BW,locations,conn)
BW2 = imfill(BW,conn,'holes')
I2 = imfill(I,conn)
Para anular la conectividad por defecto y adems especificar las localizaciones de partida
se debe utilizar la siguiente sintaxis:
BW2 = imfill(BW,0,conn)
La imagen de entrada puede tener cualquier dimensin, puede ser de clase numrica o
lgica y debe ser real y no dispersa. La imagen de salida ser de la misma clase que la de
entrada.
Ejemplos de uso
Ejemplo 1: Rellenar los huecos de una imagen binaria primero partiendo de una
localizacin determinada de uno de los pxeles hueco, luego aplicando un relleno
especificando todos los pxeles hueco y finalmente rellenando los huecos sin especificar
localizacin.
BW1 = logical([1 0 0 0 0 0 0 0
1 1 1 1 1 0 0 0
1 0 0 0 1 0 1 0
1 0 0 0 1 1 1 0
1 1 1 1 0 1 1 1
1 0 0 1 1 0 1 0
1 0 0 0 1 0 1 0
1 0 0 0 1 1 1 0])
BW1 =
1 0 0 0 0 0 0 0
1 1 1 1 1 0 0 0
1 0 0 0 1 0 1 0
1 0 0 0 1 1 1 0
1 1 1 1 0 1 1 1
1 0 0 1 1 0 1 0
1 0 0 0 1 0 1 0
1 0 0 0 1 1 1 0
BW2 =
1 0 0 0 0 0 0 0
1 1 1 1 1 0 0 0
1 1 1 1 1 0 1 0
1 1 1 1 1 1 1 0
1 1 1 1 1 1 1 1
1 0 0 1 1 1 1 0
1 0 0 0 1 1 1 0
1 0 0 0 1 1 1 0
locations = [18;19;20;26;27;28;37;46;54];
BW2 = imfill(BW1,locations,8)
BW2 =
1 0 0 0 0 0 0 0
1 1 1 1 1 0 0 0
1 1 1 1 1 0 1 0
1 1 1 1 1 1 1 0
1 1 1 1 1 1 1 1
1 0 0 1 1 1 1 0
1 0 0 0 1 1 1 0
1 0 0 0 1 1 1 0
BW2 = imfill(BW1,8)
BW2 =
1 0 0 0 0 0 0 0
1 1 1 1 1 0 0 0
1 0 0 0 1 0 1 0
1 0 0 0 1 1 1 0
1 1 1 1 0 1 1 1
1 0 0 1 1 0 1 0
1 0 0 0 1 0 1 0
1 0 0 0 1 1 1 0
BW2 = imfill(BW1,8,'holes')
BW2 =
1 0 0 0 0 0 0 0
1 1 1 1 1 0 0 0
1 1 1 1 1 0 1 0
1 1 1 1 1 1 1 0
1 1 1 1 1 1 1 1
1 0 0 1 1 1 1 0
1 0 0 0 1 1 1 0
1 0 0 0 1 1 1 0
I = imread('circuloshueco.tif');
imshow(I)
BW = imfill(I,'holes');
figure, imshow(BW)
Figura f.270 - Imagen original (I) sin procesar Figura f.48 - Imagen procesada (BW) con imfill
Funciones relacionadas
imfilter
Filtrado espacial lineal de imgenes multidimensionales
Sintaxis
B = imfilter(A, H)
B = imfilter(A, H, option1, option2,...)
Descripcin
El array A puede ser de tipo lgico o un array numrico no disperso de cualquier clase y
dimensin. B ser del mismo tamao y clase que A, luego imfilter es ms eficiente que
otras operaciones de filtrado.
acuerdo a las opciones especificadas, que pueden tomar los siguientes valores:
Opcin Descripcin
X Se asume que los valores del array de entrada fuera de las fronteras
exteriores (fuera de la imagen) tienen el valor X. Cuando no se especifica
ninguna opcin de frontera imfilter usa X = 0, por lo que puede
aparecer un borde negro alrededor de la imagen de salida.
'symmetric' Los valores de entrada que se encuentran fuera de las fronteras del array
se calculan reflejando el array a lo largo del borde del array.
'replicate' Se asume que los valores de entrada que se encuentran fuera de las
fronteras del array equivalen al valor ms cercano al borde del array.
'circular' Los valores de entrada que se encuentran fuera de las fronteras del array
se calculan asumiendo que el array de entrada es peridico.
Opcin Descripcin
'same' El array de salida tendr el mismo tamao que el de entrada.
(Por Defecto)
'full' El array de salida es el resultado del filtrado completo, luego es mayor
que el array de entrada.
Opcin Descripcin
'corr' imfilter realiza un filtrado multidimensional utilizando correlacin, la
misma manera con la que la funcin filter2 realiza el filtrado.
(Por Defecto)
'conv' imfilter realiza un filtrado multidimensional utilizando convolucin.
Ejemplos de uso
Ejemplo 1: Observar cmo se produce una imagen no deseada cuando la imagen de salida
se convierte al tipo de imagen de entrada al filtrar una imagen.
I = imread('cuadros.tif'); imshow(I,[])
F = ones(31);
I2 = imfilter(I, F); figure, imshow(I2,[])
Figura f.271 - Imagen original (I) sin procesar Figura f.272 - Imagen procesada (I2) con imfilter con
los parmetros por defecto
I = imread('cuadros.tif'); imshow(I,[])
F = ones(31);
I2 = im2double(I);
% Opcin 'symmetric'.
Figura f.273 - Imagen procesada (I3) con imfilter Figura f.274 - Imagen procesada (I4) con imfilter
con los parmetros por defecto con frontera tiporeplicate
Figura f.275 - Imagen procesada (I5) con imfilter Figura f.276 - Imagen procesada (I6) con imfilter
con frontera tiposymmetric con frontera tipocircular
Ejemplo 2: Aplicar un filtro de movimiento a una imagen con las opciones por defecto y
despus utilizar la opcin de frontera replicate para eliminar el borde negro.
RGB = imread('cherry.jpg');
imshow(RGB)
Figura f.277 - Imagen original (RGB) sin procesar Figura f.278 - Imagen procesada (fRGB) con imfilter
con los parmetros por defecto
Funciones relacionadas
imfreehand
Creacin de una regin a mano alzada
Sintaxis
h = imfreehand
h = imfreehand(hparent)
h = imfreehand(...,param1, val1,...)
Descripcin
mano alzada en el objeto especificado por la variable hparent, tpicamente unos ejes,
pudiendo ser tambin cualquier objeto hggroup.
Parmetro Descripcin
'Closed' Valor escalar lgico que controla si la regin es cerrada o
no. Cuando es 1 (por defecto), imfreehand dibuja una
lnea recta para conectar los puntos finales de la lnea y
cerrar la regin. Si su valor es 0, imfreehand deja abierta
la regin.
'PositionConstraintFcn' Puntero a una funcin de restriccin de posicin que se
llama cuando la regin se desplaza interactivamente con el
ratn. Usar este parmetro para controlar dnde puede
moverse la regin.
Si se utiliza imfreehand en una imagen y no se especifica
una funcin de restriccin de posicin, los usuarios podrn
Accin Operacin
Cambiar el color Mover el puntero del ratn dentro de regin, hacer clic derecho y
usado para dibujar la seleccionar Set Color (Establecer color) del men contextual.
regin.
Leer la posicin Mover el puntero del ratn dentro de la regin. Hacer clic derecho
actual de la regin. y seleccionar Copy Position (Copiar posicin) del men
contextual. imfreehand copia al portapapeles un array de
coordenadas de tamao n-por-2.
Cada objeto imfreehand soporta una serie de mtodos que pueden verse mediante el
comando methods imfreehand y que se listan a continuacin:
addNewPositionCallback
Aade una funcin a la lista de funciones de rellamada o callback de nueva posicin (se
las llamar cada vez que se cambie la posicin del objeto ROI (Region-of-interest) con la
posicin como argumento).
createMask
Crea una mscara dentro de la imagen.
delete
Elimina el objeto ROI.
getColor
Lee el color utilizado para dibujar el objeto ROI.
getPosition
Lee la posicin actual de la elipse.
getPositionConstraintFcn
Devuelve el puntero a la funcin de restriccin de posicin actual.
removeNewPositionCallback
Elimina la funcin de rellamada o callback de nueva posicin del objeto ROI.
resume
Contina la ejecucin de la lnea de comandos.
setClosed(h,TF)
Especifica la geometra de la regin. TF es un escalar lgico que marca si la regin ser
cerrada (valor 1) o abierta (valor 0).
setColor
Especifica el color utilizado para dibujar el objeto ROI.
setConstrainedPosition
Especifica la nueva posicin del objeto ROI.
setPositionConstraintFcn
Especifica la funcin de restriccin de posicin del objeto ROI.
wait
Bloquea la ejecucin de la lnea de comandos hasta que se finaliza el posicionamiento del
objeto ROI.
Ejemplos de uso
Ejemplo 1: Posicionar de forma interactiva una regin a mano alzada y utilizar el mtodo
wait para bloquear la lnea de comandos de MATLAB hasta que se haga doble clic en la
figure, imshow('pout.tif')
h = imfreehand;
position = wait(h);
Funciones relacionadas
imgca
Obtencin del puntero a los ejes de la imagen
Sintaxis
h = imgca
h = imgca(hfig)
Descripcin
h = imgca devuelve el puntero a los ejes actuales de la imagen para poder luego actuar
sobre dichos ejes directamente utilizando otras funciones. Los ejes actuales pueden estar en
una figura o una ventana de la herramienta imagen. Si no hay figuras que contengan ejes
con imagen, imgca crea unos nuevos ejes.
Ejemplos de uso
Ejemplo 1: Hacer desaparecer los ejes de la figura actual y volver a hacerlos aparecer.
I = imread('circulos.tif');
imshow(I)
h = imgca;
set(h, 'visible', 'off')
pause
set(h, 'visible', 'on')
I = imread('circulos.tif');
imshow(I)
s = regionprops(I, 'centroid');
centroide = cat(1, s.Centroid);
imtool(I)
hold(imgca,'on')
plot(imgca,centroide(:,1), centroide(:,2), 'r*')
hold(imgca,'off')
Figura f.48 - Imagen original (I) sin procesar Figura f.280 - Imagen original con centroides
Funciones relacionadas
imgcf
Obtencin del puntero a la figura actual de la imagen
Sintaxis
hfig = imgcf
Descripcin
hfig = imgcf devuelve el puntero a la figura actual que contiene la imagen para poder
luego actuar sobre dicha figura directamente utilizando otras funciones. La figura puede
ser una figura normal con al menos una imagen o una ventana de la herramienta imagen. Si
ninguna de las figuras actuales abiertas contiene una imagen, imgcf crea una nueva figura.
Ejemplos de uso
Ejemplo 1: Abrir una imagen en una ventana de la herramienta imagen y cambiar su mapa
de color utilizando la funcin imgcf.
imtool rice.png
cmap = copper(256);
set(imgcf,'Colormap',cmap)
Funciones relacionadas
imgetfile
Ventana para la lectura de la ruta de una imagen
Sintaxis
Descripcin
imagen que permite seleccionar una imagen para leer su ruta completa en el espacio de
trabajo. Se pueden seleccionar los tipos comunes de imagen soportados en MATLAB y
especificados en imformats. Al seleccionar una imagen y hacer clic en el botn de Abrir,
imgetfile devuelve la ruta completa a la imagen en la variable filename y la variable
user_canceled con valor FALSE. Si el usuario hace clic en el botn de Cancelar o cierra la
Funciones relacionadas
imhandles
Lectura de todos los punteros a imagen asociados con un puntero grfico
Sintaxis
himage = imhandles(h)
Descripcin
himage = imhandles(h) recibe un puntero grfico h como entrada y devuelve todos los
punteros a imagen asociados con l. h puede ser un array de punteros a figuras, ejes,
imgenes u objetos uipanel. himage es un array de punteros a imgenes.
Ejemplos de uso
figure, imshow('moon.tif')
himage = imhandles(gca)
Ejemplo 2: Mostrar dos imgenes en una misma figura y utilizar imhandles para leer los
punteros a ambas imgenes.
subplot(1,2,1), imshow('autumn.tif')
subplot(1,2,2), imshow('glass.png')
himages = imhandles(gcf)
Funciones relacionadas
imgca, imgcf
imhist
Creacin y visualizacin del histograma de una imagen
Introduccin
El histograma es un grfico que relaciona los niveles de intensidad de gris de una imagen y
el nmero de pxeles que hay para cada nivel de intensidad. El histograma, adems de
caracterizar la imagen, se puede utilizar tambin para la segmentacin de imgenes.
La funcin de la IPT para crear histogramas es imhist, pero para mostrar el histograma
(los datos devueltos por imhist) existen tambin otras funciones que permiten tener ms
control sobre la representacin, como son: bar, stem o plot. Se compararn todas estas
funciones en un ejemplo posterior.
Sintaxis
imhist(I)
imhist(I, n)
imhist(X, map)
[counts,x] = imhist(...)
Descripcin
y los intervalos de intensidad utilizados en el histograma dependen del tipo de imagen. Por
ejemplo si I es una imagen en escala de grises, imhist utiliza 256 barras e intervalos de
intensidad por defecto y si I es una imagen binaria, imhist utiliza dos. Podemos
normalizar el histograma mediante la expresin: imhist(I)/numel(I).
muestra la distribucin de los valores de los pxeles sobre una barra de color que usa el
mapa de color especificado en la variable map. El mapa de color debe de tener una longitud
de al menos el mayor ndice en X. El histograma tiene una barra e intervalo para cada
entrada en el mapa de color.
las localizaciones de las barras e intervalos en x para su posterior uso, por ejemplo para
visualizarlo con las funciones bar, stem o plot (p.ej. stem(x,counts)). Para imgenes
indexadas, imhist devuelve los valores del histograma para cada entrada del mapa de
color; la longitud de counts es la misma que la longitud del mapa de color.
[counts,x] = imhist(...)
stem(x,counts)
Ejemplos de uso
Ejemplo 1: Mostrar el histograma de una imagen uint8 (intervalo [0, 255]) con la funcin
imhist, primero con el nmero de barras e intervalos por defecto y luego reducindolos a
16 y luego a 8.
I = imread('cameraman.tif');
imhist(I)
figure, imhist(I, 16)
figure, imhist(I, 8)
Figura f.179 - Imagen original (I) Figura f.281 - Histograma por defecto de I
Figura f.282 - Histograma de I con 16 intervalos Figura f.283 - Histograma de I con 8 intervalos
Ejemplo 1: Comparar los histogramas visualizados mediante las funciones imhist, bar,
stem y plot.
I = imread('cameraman.tif');
[counts,x] = imhist(I);
imhist(I)
h2 = counts(1:10:256);
horz = 1:10:256;
figure, bar(horz, h2)
figure, plot(counts)
axis ([0 255 0 15000])
set(gca,'xtick',0:50:255)
set(gca,'ytick',0:2000:15000)
Figura f.284 - Histograma de I con hist Figura f.285 - Histograma de I con bar
Figura f.286 - Histograma de I con stem Figura f.287 - Histograma de I con plot
Funciones relacionadas
imhmax
Transformada H-mxima
Introduccin
A =
10 10 10 10 10 10 10 10 10 10
10 13 13 13 10 10 11 10 11 10
10 13 13 13 10 10 10 11 10 10
10 13 13 13 10 10 11 10 11 10
10 10 10 10 10 10 10 10 10 10
10 11 10 10 10 18 18 18 10 10
10 10 10 11 10 18 18 18 10 10
10 10 11 10 10 18 18 18 10 10
10 11 10 11 10 10 10 10 10 10
10 10 10 10 10 10 11 10 10 10
Sintaxis
I2 = imhmax(I,h)
I2 = imhmax(I,h,conn)
Descripcin
donde la diferencia entre el mximo regional y los pxeles vecinos (altura) sea menor que
un cierto valor de umbral h. Se reducirn los mximos regionales existentes que tengan una
diferencia mayor que la especificada en el umbral para que su diferencia coincida con
dicho umbral. h es un escalar positivo que marca el umbral.
imhmax utiliza por defecto vecindades de 8 pxeles para imgenes en 2-D y vecindad de 26
pxeles para imgenes en 3-D. Para dimensiones mayores, imhmax utiliza la conectividad
dada por conndef(ndims(I),'maximal').
Valor Significado
Conectividades Bidimensionales
4 Vecindad de 4 pxeles: Un par de
pxeles colindantes forman parte del
mismo objeto solo si estn activos y
conectados en vertical u horizontal.
Figura f.32 - vecindad 4
Ejemplos de uso
a = zeros(10,10);
a(2:4,2:4) = 3; % mximo regional con diferencia 3 respecto sus vecinos.
a(6:8,6:8) = 8 % mximo regional con diferencia 8 respecto sus vecinos.
a =
0 0 0 0 0 0 0 0 0 0
0 3 3 3 0 0 0 0 0 0
0 3 3 3 0 0 0 0 0 0
0 3 3 3 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 8 8 8 0 0
0 0 0 0 0 8 8 8 0 0
0 0 0 0 0 8 8 8 0 0
0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0
b =
0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 4 4 4 0 0
0 0 0 0 0 4 4 4 0 0
0 0 0 0 0 4 4 4 0 0
0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0
Funciones relacionadas
conndef, imextendedmax, imhmin, imreconstruct, imregionalmax
imhmin
Transformada H-mnima
Sintaxis
I2 = imhmin(I,h)
I2 = imhmin(I,h,conn)
Descripcin
imhmin utiliza por defecto vecindades de 8 pxeles para imgenes en 2-D y vecindad de 26
pxeles para imgenes en 3-D. Para dimensiones mayores, imhmin utiliza la conectividad
dada por conndef(ndims(I),'maximal').
Valor Significado
Conectividades Bidimensionales
4 Vecindad de 4 pxeles: Un par de
pxeles colindantes forman parte del
mismo objeto solo si estn activos y
conectados en vertical u horizontal.
Figura f.32 - vecindad 4
Conectividades Tridimensionales
6 Vecindad de 6 pxeles.
18 Vecindad de 18 pxeles.
26 Vecindad de 26 pxeles. (Por defecto)
Nota: La conectividad se puede definir para cualquier dimensin de forma ms
general utilizando para conn una matriz de 3-por-3-por-...-por-3 de ceros y unos.
Los unos definen las localizaciones de los pxeles vecinos relativas al elemento
central de conn. Por ejemplo, conn=ones(3) define una conectividad de 8 pxeles.
Ejemplos de uso
a = 10*ones(10,10);
a(2:4,2:4) = 7; % mnimo regional con diferencia 3 respecto sus vecinos.
a(6:8,6:8) = 2 % mnimo regional con diferencia 8 respecto sus vecinos.
a =
10 10 10 10 10 10 10 10 10 10
10 7 7 7 10 10 10 10 10 10
10 7 7 7 10 10 10 10 10 10
10 7 7 7 10 10 10 10 10 10
10 10 10 10 10 10 10 10 10 10
10 10 10 10 10 2 2 2 10 10
10 10 10 10 10 2 2 2 10 10
10 10 10 10 10 2 2 2 10 10
10 10 10 10 10 10 10 10 10 10
10 10 10 10 10 10 10 10 10 10
b =
10 10 10 10 10 10 10 10 10 10
10 10 10 10 10 10 10 10 10 10
10 10 10 10 10 10 10 10 10 10
10 10 10 10 10 10 10 10 10 10
10 10 10 10 10 10 10 10 10 10
10 10 10 10 10 6 6 6 10 10
10 10 10 10 10 6 6 6 10 10
10 10 10 10 10 6 6 6 10 10
10 10 10 10 10 10 10 10 10 10
10 10 10 10 10 10 10 10 10 10
Funciones relacionadas
imimposemin
Imposicin de mnimo regional
Sintaxis
I2 = imimposemin(I,BW)
I2 = imimposemin(I,BW,conn)
Descripcin
morfolgica para que solo tenga un mnimo regional en la regin positiva especificada por
la mscara BW. BW es una imagen binaria del mismo tamao que I.
Por defecto, imhmin utiliza vecindades de 8 pxeles para imgenes en 2-D y vecindad de 26
pxeles para imgenes en 3-D. Para dimensiones mayores, imimposemin utiliza la
conectividad dada por conndef(ndims(I),'minimum').
puede tener cualquiera de los siguientes valores escalares (siempre simtrica respecto su
elemento central):
Valor Significado
Conectividades Bidimensionales
4 Vecindad de 4 pxeles: Un par de
pxeles colindantes forman parte del
mismo objeto solo si estn activos y
conectados en vertical u horizontal.
Figura f.32 - vecindad 4
I puede ser de cualquier dimensin y clase numrica no dispersa. BW debe ser un array
numrico no disperso del mismo tamao que I. I2 ser del mismo tamao y clase que I.
Ejemplos de uso
I = 10*ones(10,10);
I(2:4,2:4) = 7; % mnimo regional.
I(6:8,6:8) = 2 % mnimo regional.
mask = zeros(10,10);
mask(7:9,2:4) = 1 % regin donde habr mnimo regional.
J = imimposemin(I,mask);
MI = imregionalmin(I)
MJ = imregionalmin(I)
I =
10 10 10 10 10 10 10 10 10 10
10 7 7 7 10 10 10 10 10 10
10 7 7 7 10 10 10 10 10 10
10 7 7 7 10 10 10 10 10 10
10 10 10 10 10 10 10 10 10 10
10 10 10 10 10 2 2 2 10 10
10 10 10 10 10 2 2 2 10 10
10 10 10 10 10 2 2 2 10 10
10 10 10 10 10 10 10 10 10 10
10 10 10 10 10 10 10 10 10 10
mask =
0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0
0 1 1 1 0 0 0 0 0 0
0 1 1 1 0 0 0 0 0 0
0 1 1 1 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0
MI =
0 0 0 0 0 0 0 0 0 0
0 1 1 1 0 0 0 0 0 0
0 1 1 1 0 0 0 0 0 0
0 1 1 1 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 1 1 1 0 0
0 0 0 0 0 1 1 1 0 0
0 0 0 0 0 1 1 1 0 0
0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0
MJ =
0 0 0 0 0 0 0 0 0 0
0 1 1 1 0 0 0 0 0 0
0 1 1 1 0 0 0 0 0 0
0 1 1 1 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 1 1 1 0 0
0 0 0 0 0 1 1 1 0 0
0 0 0 0 0 1 1 1 0 0
0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0
Ejemplo 2: Hacer que una imagen en escala de grises tenga solo un mnimo regional en un
sitio especfico.
I = imread('glass.tif');
mask = false(size(I));
mask(65:70,65:70) = true;
Z = I;
Z(mask) = 255;
figure, imshow(Z)
J = imimposemin(I,mask);
figure, imshow(J)
BW = imregionalmin(I);
figure, imshow(BW)
BW2 = imregionalmin(J);
figure, imshow(BW2)
Figura f.263 - Imagen original (I) y mscara (mask) Figura f.288 - Imagen procesada (J)
superpuesta
Figura f.289 - Mnimos regionales (BW) de imagen Figura f.290 - Mnimos regionales (BW2) de imagen
original (I) procesada (J)
Funciones relacionadas